단일 포인트에서 완전한 마스크로: 엔드투엔드 아모달 분할을 위한 속도 유도 레벨 셋 진화
Single Point, Full Mask: Velocity-Guided Level Set Evolution for End-to-End Amodal Segmentation
아모달 분할(Amodal segmentation)은 가려진 영역을 포함하여 물체의 완전한 형태를 복원하는 것을 목표로 하며, 사용자 중심의 멀티미디어 저작 및 객체 수준 시각 조작에 필수적인 기술로 활용된다. 기존 방법들은 일반적으로 바운딩 박스나 조밀한 가시 영역 마스크와 같은 정보량이 많은 프롬프트에 의존하므로, 실제 멀티미디어 응용 프로그램에서 사용자 경험과 상호작용 효율성을 크게 저하시킨다. 최근의 인터랙티브 패러다임(예: Segment Anything Model)은 경량화된 포인트 기반 상호작용을 지원하지만, 종종 직접적인 마스크 회귀를 수행한다. 결정적으로 이러한 직접 회귀 모델의 불투명한 특성은 가려진 구조가 어떻게 추론되는지에 대한 시각적 설명 가능성을 제공하지 못하여, 해석 가능한 멀티미디어 시스템에 대한 증가하는 요구와 충돌한다. 이러한 한계를 해결하기 위해, 본 논문에서는 단순한 포인트 클릭으로 구동되는 명시적이고 투명한 윤곽선 진화를 가능하게 하는 엔드투엔드 속도 기반 레벨 셋 아모달 분할 방법인 VELA를 제안한다. VELA는 시각적 특징과 사용자의 포인트 입력으로부터 초기 레벨 셋 함수를 구성하며, 이는 완전 미분 가능한 네트워크에 의해 예측된 형상 특화 모션 필드의 안내에 따라 최종 아모달 마스크로 점진적으로 진화한다. 이 메커니즘은 매 단계에서 진화 동역학을 생성하도록 학습하여, 공간적 추론 과정이 기하학적으로 그라운딩(grounding)되고 위상학적으로 유연하며 사용자에게 시각적으로 설명 가능하도록 보장한다. COCOA-cls, D2SA 및 KINS 벤치마크에 대한 광범위한 실험은 VELA가 단일 포인트 프롬프트만을 요구하면서도 바운딩 박스 또는 조밀한 가시 마스크 프롬프트를 사용하는 기존 방법들을 능가함을 입증하여, 대화형 멀티미디어 작업을 위한 설명 가능한 기하학적 모델링의 효과를 검증한다.