Основные понятия
대규모 비전 기반 모델을 활용하여 토목 인프라의 균열을 효과적으로 분할할 수 있다.
Аннотация
이 연구에서는 대규모 비전 기반 모델인 Segment Anything Model (SAM)을 균열 분할 작업에 적용하였다. 두 가지 매개변수 효율적 미세 조정 방법인 어댑터와 저순위 적응을 사용하여 SAM을 미세 조정하였다. 미세 조정된 CrackSAM은 다양한 장면과 재료에서 우수한 성능을 보였다. 제안된 방법의 제로 샷 성능을 테스트하기 위해 도로와 외벽 균열 관련 두 개의 고유한 데이터셋을 수집, 주석 처리하고 공개하였다. 12개의 성숙한 의미 분할 모델과 비교 실험을 수행한 결과, 인공 노이즈가 있는 데이터셋과 이전에 보지 못한 데이터셋에서 CrackSAM의 성능이 모든 최신 모델을 크게 능가하는 것으로 나타났다. 특히 어두운 조명, 그림자, 도로 표지, 건설 이음새 및 기타 간섭 요인과 같은 까다로운 조건에서 CrackSAM이 탁월한 우월성을 보였다. 이러한 cross-scenario 결과는 대규모 모델의 뛰어난 제로 샷 기능을 입증하고 토목 공학에서 비전 모델 개발을 위한 새로운 아이디어를 제공한다.
Статистика
균열 분할 모델은 기존 데이터셋에 비해 어두운 조명, 저해상도 등의 노이즈가 있는 환경에서도 우수한 성능을 보였다.
제안된 CrackSAM 모델은 이전에 보지 못한 도로 및 외벽 균열 데이터셋에서도 기존 최신 모델들을 크게 능가하는 제로 샷 성능을 보였다.
Цитаты
"대규모 기반 모델은 다양한 산업에 변화를 가져오고 있다. 복잡한 구조와 광범위한 사전 훈련으로 인해 이러한 모델은 기존 소규모 모델에 비해 더 강력한 성능을 발휘한다."
"CrackSAM은 강력한 제로 샷 기능을 보유하고 있으며, 이는 노이즈에 대한 강건성과 데이터셋 간 뛰어난 일반화 성능으로 입증된다."