PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2610.01480v1cs.CV

FiVOS: 대화형 비디오 객체 분할 및 필터 향상 기반 어류 분할 알고리즘

FiVOS: A Fish Segmentation Algorithm Based on Interactive Video Object Segmentation and Filter Enhancement

양식업이 지속적으로 확장됨에 따라 어류 행동에 대한 정밀하고 효율적인 모니터링은 양식 효율을 개선하고 경제적 손실을 줄이는 데 점점 더 중요해지고 있습니다. 특히 심층 학습(deep learning) 모델의 연산 능력이 지속적으로 향상되면서 비전 기반 어류 분할(segmentation) 기법이 많은 주목을 받고 있습니다. 비디오 분할 결과를 분석함으로써 어류의 행동을 효과적으로 추적할 수 있으며, 이를 통해 양식 환경의 정밀한 제어를 위한 신뢰할 수 있는 데이터 지원을 제공할 수 있습니다. 그러나 양식 환경을 위한 기존 심층 학습 기반 비디오 분할 기법은 비디오 프레임 간의 동적 상관관계를 간과하는 경우가 많습니다. 반면 대화형 비디오 객체 분할(Interactive Video Object Segmentation, IVOS)은 상호작용-전파(interaction-propagation) 방식을 활용하여 사용자의 개입을 최소화하면서도 높은 정밀도의 분할을 달성해 모니터링 효율성을 높입니다. 하지만 양식 분야에서의 IVOS 적용은 데이터 부족으로 인해 여전히 제한적이며, 높은 클래스 내 유사도(intra-class similarity)로 인해 긴 시퀀스 전파 과정에서 오차 누적과 마스크 손실이 발생하기 쉽습니다. 이에 본 논문에서는 개선된 대화형 비디오 객체 분할 기법인 FiVOS를 제안하고 두 가지 어류 전용 데이터셋을 구축합니다. FiVOS는 마스크 블록 필터를 활용하여 잘못 전파된 마스크 블록을 조기에 감지하고 수정할 수 있도록 하며, 규칙 기반 임계값 접근법을 통해 필터링 정밀도를 향상시킵니다. 또한 노이즈 필터를 직렬화하여 잘못된 마스크 노이즈를 추가로 제거함으로써 모델의 강건성을 개선합니다. 실험 결과는 FiVOS가 어류 비디오 분할 작업에서 최첨단(SOTA) 성능을 달성하여 어류 행동 연구를 위한 강력한 기술적 지원을 제공함을 입증합니다.