29 lines
1.9 KiB
Markdown
29 lines
1.9 KiB
Markdown
---
|
|
id: SEGMENT-001
|
|
category: "10_Wiki/💡 Topics/AI"
|
|
confidence_score: 1.0
|
|
tags: [computer-vision, deep-learning, image-processing, autonomous-driving]
|
|
last_reinforced: 2026-04-26
|
|
---
|
|
|
|
# Image Segmentation (이미지 세그멘테이션)
|
|
|
|
## 📌 한 줄 통찰 (The Karpathy Summary)
|
|
> "이미지를 픽셀 단위로 완벽하게 해부하라" — 단순히 이미지를 분류하거나 박스를 치는 것을 넘어, 각 픽셀이 어떤 객체에 속하는지 정밀하게 할당하여 객체의 정확한 형태를 식별해내는 기술.
|
|
|
|
## 📖 구조화된 지식 (Synthesized Content)
|
|
- **추출된 패턴:** 이미지 전체를 픽셀 레벨의 마스크(Mask)로 변환하여 배경과 객체, 혹은 객체 간의 경계를 명확히 구분해내는 고해상도 시각 인식 패턴.
|
|
- **세부 내용:**
|
|
- **Semantic Segmentation:** 같은 클래스의 객체들을 하나의 영역으로 묶음 (예: 모든 '자동차'를 하나의 색으로 칠함).
|
|
- **Instance Segmentation:** 개별 객체를 독립적으로 식별 (예: 1번 자동차, 2번 자동차를 구분).
|
|
- **Panoptic Segmentation:** 세맨틱과 인스턴스를 결합하여 배경과 개별 객체를 모두 완벽하게 분류.
|
|
- **Key Architectures:** U-Net(의료 영상), Mask R-CNN, SAM(Segment Anything Model) 등.
|
|
|
|
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
|
- **과거 데이터와의 충돌:** 초기에는 경계선 검출(Edge Detection) 수준이었으나, 딥러닝과 어텐션 메커니즘을 통해 복잡한 배경 속에서도 픽셀 단위의 완벽한 마스킹이 가능해짐.
|
|
- **정책 변화:** Skybound 프로젝트의 레벨 제작 도구에서 지형과 사물을 자동으로 구분하여 물리 충돌 영역을 생성하는 데 세그멘테이션 기술을 응용함.
|
|
|
|
## 🔗 지식 연결 (Graph)
|
|
- [[Computer-Vision]], Object-Detection, [[Deep-Learning]], Autonomous-Driving
|
|
- **Raw Source:** 10_Wiki/Topics/AI/Image-Segmentation.md
|