[논문] 탐지 차이: 중요한 상황에서의 설명 가능성

출처: arXiv - 2606.07503v1

개요

우리는 두 객체 탐지 모델을 비교하기 위한 직관적인 방법인 Differences in Detection (DnD) 를 제안한다. 동일한 매칭 알고리즘을 기반으로 하며, 평균 정밀도($mAP$)와 TIDE 오류 분석이라는 표준 지표를 보완해 두 모델을 직접 비교할 수 있게 한다. 구체적으로, 두 모델 모두 인식한 정답 라벨의 교집합을 계산하고, 이어서 각각의 차이 집합과 두 모델 모두 놓친 정답 라벨의 보완 집합을 구한다. 이렇게 얻어진 비교는 독립적인 요약 통계치를 비교하는 것보다 더 직접적이고 직관적이다. 개별적인 실수와 공유된 실수를 드러내며, 오류 유형과 결합될 때 특히 흥미롭다. 이 경우, 탐지 오류의 차이를 표준 혼동 행렬에서 자연스럽게 분석할 수 있다. 자체적으로도 가치가 있지만, DnD의 가장 좋은 활용 중 하나는 ODAM과 같은 설명 가능성 방법을 구조화된 부분집합에 기반한 메트릭 관련 예시로 안내하는 것이라고 본다. 우리의 방법에 대한 코드는 여기에서 확인할 수 있다: https://github.com/JohannesTheo/differences-in-detection

핵심 기여

이 논문은 다음 분야의 연구를 제시한다:

• cs.CV

방법론

자세한 방법론은 전체 논문을 참고하라.

실용적 함의

이 연구는 cs.CV 분야의 발전에 기여한다.

저자

• Johannes Theodoridis
• Johannes Maucher
• Andreas Schilling

논문 정보

• arXiv ID: 2606.07503v1
• 분류: cs.CV
• 발표일: 2026년 6월 5일
• PDF: PDF 다운로드