기술 요약: 위상 균열 분할을 위한 SCRWKV

문제 제기

다양한 실제 환경에서 구조적 균열의 픽셀 단위 정밀 분할을 달성하는 것은 여전히 formidable한 도전 과제로 남아 있습니다. 기존 방법들은 균열 위상 모델링과 계산 효율성 사이의 균형을 맞추는 데 있어 치명적인 병목 현상에 직면해 있습니다.

• CNN 기반 방법(예: SFIAN, ECSNet)은 국소적 귀납적 편향을 활용하지만 수용 영역이 제한적이어서 종종 장거리 균열에서 분할 단절을 초래합니다.
• Transformer 기반 접근법(예: DTrCNet, MFAFNet)은 전역 의존성을 포착하지만, 자원 제약이 있는 엣지 장치에서의 실시간 적용을 방해하는 과도한 2 차 계산 복잡도를 초래합니다.
• **선택적 상태 공간 모델 (SSM)**인 Mamba 와 같은 모델은 선형 복잡도를 제공하지만, 일반적으로 2 차원 이미지를 1 차원 시퀀스로 평탄화하기 위해 사전 정의된 고정 경로 스캔에 의존합니다. 이 과정은 곡선형, 분기형, 그리고 임의 방향의 균열의 공간적 연속성을 교란시켜 특징의 분열을 초래합니다.
• 기존 RWKV 모델(예: Vision-RWKV)은 양방향 연산자를 도입하지만, 종종 표준 Q-Shift 와 같은 경직된 공간 상호작용 메커니즘과 정적 감쇠에 의존합니다. 이는 균열의 기하학적 변형을 포착하지 못하며, 균열이 전체 픽셀의 소수만 차지하는 복잡한 배경에서 노이즈 전파를 억제할 동적 메커니즘이 부족합니다.

방법론

저자들은 선형 복잡도를 통해 고정밀 모델링을 달성하면서 구조적 위상을 명시적으로 보정하도록 설계된 SCRWKV(초소형 구조 보정 Vision-RWKV)를 제안합니다. 이 아키텍처는 구조 - 필드 인코더 (SFE) 백본과 크로스 스케일 조화 융합 (CSHF) 디코더로 구성됩니다.

1. 구조 - 필드 인코더 (SFE)

SFE 는 계층적 특징 추출을 위한 백본으로, 독립형 **적응형 멀티스케일 캐스케이드 변조기 (AMCM)**로 초기화되고 스택된 **구조 보정 통찰 단위 (SCIU)**로 구성됩니다.

• 적응형 멀티스케일 캐스케이드 변조기 (AMCM): 구조 - 필드 초기화기로 작용합니다. 병렬 게이팅과 멀티스케일 대형 커널 (5×5, 7×7, 9×9, 11×11) 의 계층적 캐스케이드를 사용하는 분할 - 정복 전략을 채택합니다. 이 모듈은 이산 토큰을 초기적인 필드로 사전 변조하여 예비 기하학적 상관관계가 풍부한 상태로 만듦으로써 선형 주의의 국소적 세분성 한계를 보완합니다.
• 구조 보정 통찰 단위 (SCIU): 세 가지 메커니즘을 통합하는 핵심 구성 블록입니다.
  • 기하학 유도 양방향 구조 변환 (GBST): 고정된 이웃 오프셋을 양방향 응력장 전파를 시뮬레이션하는 메커니즘으로 대체합니다. 특징 채널을 역방향으로 전파하는 스트림으로 분할합니다: 신호를 확산시켜 (균열 폭 포착) 외부 이동 그룹과 특징을 수렴시켜 (위상 골격 보존) 내부 이동 그룹. 이는 이미지 전반에 걸쳐 명시적으로 장거리 위상 의존성을 확립합니다.
  • Dy-WKV 내 동적 자기 보정 감쇠 (DSCD): 콘텐츠 무관한 집계 문제를 해결합니다. 모든 공간 토큰을 동등하게 취급하는 표준 RWKV 와 달리, Dy-WKV 는 DSCD 를 통합하여 동적으로 적응형 감쇠 인자를 생성합니다. 이는 재귀적 전파 동안 노이즈 관련 토큰 (예: 그림자, 질감) 을 선택적으로 억제하면서 구조 우세 신호를 증폭할 수 있게 합니다.
  • 공간 및 채널 혼합: SCIU 는 이러한 메커니즘을 활용하여 전체적 모델링을 달성하며, 미세한 형태적 단서를 포착하면서 배경 간섭을 필터링합니다.

2. 크로스 스케일 조화 융합 (CSHF) 디코더

고수준 컨텍스트와 저수준 경계 간의 의미적 격차를 해소하기 위해, CSHF 디코더는 스케일 서명 바인딩 메커니즘을 사용합니다. 이는 콘텐츠 인식 DySample 을 통해 다수준 특징을 정렬하고, 학습 가능한 스케일 임베딩을 주입하며, 스케일 인식 주의 메커니즘을 통해 조화된 표현을 합성합니다. 이는 다수준 특징을 정밀한 이진 분할을 위한 일관된 상태로 동적으로 조율합니다.

주요 기여

1. 초소형 아키텍처: 122 만 개 파라미터만을 가진 네트워크인 SCRWKV 제안으로, 전역 선형 모델링과 구조 인식의 시너지를 이룹니다. 이는 효율성 - 성능 트레이드오프를 재정의하여 최소한의 오버헤드로 SOTA 정밀도를 제공합니다.
2. 새로운 구조적 구성 요소:
   • GBST가 위상 연속성을 포착하고 AMCM이 미세한 형태적 단서를 정제하는 SCIU 블록을 특징으로 하는 SFE 백본 개발.
   • Dy-WKV 모듈 내 적응형 노이즈 필터링을 위한 DSCD 도입.
   • 동적 다수준 융합을 통해 의미적 격차를 효과적으로 해소하는 CSHF 디코더 설계.
3. 강건한 실제 환경 성능: 극도의 소형화가 성능을 저해하지 않음을 입증하는 실험적 검증으로, 복잡한 질감과 심각한 간섭이 있는 산업 환경에서의 적용 가능성을 보장합니다.

실험 결과

이 모델은 Crack500, DeepCrack, CrackMap, TUT라는 네 가지 공개 데이터셋에서 평가되었습니다.

• 성능: SCRWKV 는 모든 데이터셋에서 10 가지 SOTA 방법 (RIND, SFIAN, MambaIR, CSMamba, SCSegamba 포함) 을 크게 능가했습니다.
  • 복잡한 간섭을 특징으로 하는 TUT 데이터셋에서 SCRWKV 는 F1 점수 0.8428과 mIoU 0.8512를 달성했습니다.
  • DeepCrack에서는 F1 점수 0.9363과 mIoU 0.9289를 달성하여, 각각 2.53% 와 2.67% 차이로 두 번째로 좋은 방법을 능가했습니다.
• 효율성: 122 만 개 파라미터와 28MB의 모델 크기만을 가진 SCRWKV 는 경쟁자들보다 훨씬 가볍습니다 (예: 두 번째로 좋은 방법보다 파라미터가 56.43% 적음).
• 추론 속도: 실제 UAV 배포 시나리오에서 모델은 프레임당 0.0216 초의 추론 시간 (46 FPS) 을 달성하여, 우수한 위상 연속성을 유지하면서 가장 빠른 경쟁자들과 비교 가능한 속도를 보였습니다.
• Ablation 연구:
  • GBST 를 제거하면 성능이 크게 저하되어 전역 위상을 보존하는 역할을 확인했습니다.
  • 4 층 SCIU 구성이 깊이와 중복성 사이의 균형을 이루어 최적임이 밝혀졌습니다.
  • 고주파 균열 세부 사항을 보존하기 위해 패치 크기 4 가 최적임이 결정되었습니다.

의의 및 주장

이 논문은 SCRWKV 가 위상 모델링 능력과 계산 효율성 사이의 균형을 맞추는 병목 현상을 성공적으로 극복했다고 주장합니다. SFE 와 CSHF 를 통합함으로써, 이 프레임워크는 Transformer 의 무거운 파라미터 오버헤드나 표준 SSM 의 위상적 경직성 없이 장거리 의존성 분열과 환경적 노이즈 간섭을 해결합니다.

저자들은 SCRWKV 를 UAV 와 같은 자원 제약이 있는 엣지 장치에서의 **구조 건전성 모니터링 (SHM)**을 위한 최상의 솔루션으로 위치시킵니다. 이 연구는 초소형 모델을 사용하여 동적이고 노이즈가 많은 환경에서 고정밀 실시간 균열 분할을 달성할 수 있음을 보여주며, thereby 민간 인프라의 저비용 및 자동화 검사를 촉진합니다. 해당 코드는 이 분야의 추가 연구를 지원하기 위해 공개되었습니다.