BiRefNet, Moebius, VOSR 및 DDColor: 네 가지 역 문제, 네 가지 실패 방식

이미지 전문 모델

매팅은 경계와 알파를 최적화한다. 인페인팅은 마스크 안쪽을 생성한다. 초해상도는 저해상도 조건과 디테일 사전 정보 사이에서 균형을 잡는다. 채색은 휘도를 고정한 채 색도를 예측한다.

서로 환산되지 않는 손실

매팅 목표 함수는 L_mat=λ₁L_BCE+λ₂L_IoU+λ₃L_edge를 함께 쓸 수 있다. 마스크드 생성은 x_out=(1-m)⊙x+m⊙G(x,m)을 따른다. VOSR은 여기에 LR 충실도와 생성 디테일 사이의 조절 가능한 트레이드오프를 더한다.

네 가지 출력은 네 가지 목표를 뜻한다

BiRefNet은 전경 확률과 경계를 예측하고, Moebius는 마스크 영역을 채우며, VOSR은 저해상도 관측에서 고주파 디테일을 생성하고, DDColor는 색도를 추정한다. RGBA, 인페인팅, 초해상도, 채색은 하나의 품질 점수를 공유할 수 없다.

논문 수치는 해당 과업 안에서만 읽어야 한다

Moebius의 15× 수치는 논문에 명시된 하드웨어와 베이스라인에 귀속된다. VOSR의 멀티스텝 모델과 원스텝 모델 역시 서로 다른 비용·품질 트레이드오프를 나타낸다. 한 전문 모델의 속도나 점수가 나머지 세 과업에서의 성능을 보증하지는 않는다.