Core Concepts
로컬 및 글로벌 속성 변화에 대한 세분화 모델의 강인성 평가
Abstract
이 논문은 세분화 모델의 강인성을 평가하기 위해 정확하게 이미지의 시각적 속성을 편집하고 원래 마스크 레이블을 보존하는 파이프라인을 제공합니다.
실험 결과는 대부분의 모델이 객체 속성 변경에 취약함을 보여주며, 강력한 백본과 대량의 훈련 데이터가 강인성 향상을 보장하지 않는다는 것을 보여줍니다.
편집된 이미지의 품질과 신뢰성을 다른 합성 벤치마크와 비교하여 입증합니다.
Stats
로컬 및 글로벌 속성 변화에 대한 세분화 모델의 평균 mIoU(↑)는 86.21%이며, 성능은 속성에 따라 다르게 영향을 받음.
Quotes
"로컬 속성 변화는 세분화 성능에 큰 영향을 미치며, 고급 모델은 강인성을 향상시키지 않을 수 있음."
"객체 속성 변화는 이미지 속성 변화와 동일한 중요성을 갖고 있어야 함."