효율적인 크랙 분할을 위한 믹서 기반 하이브리드 인코더 MixerCSeg

초록

MixerCSeg는 Mamba의 잠재적 어텐션을 해석해 전역·국부 토큰을 분리하고, 각각을 Transformer와 CNN 경로로 처리하는 TransMixer를 핵심으로 한다. 방향‑가이드 엣지 게이트 컨볼루션(DEGConv)과 다중‑스케일 융합 모듈(SRF)을 결합해 얇고 불규칙한 도로 균열을 고정밀히 세그멘테이션하면서도 2.05 GFLOPs·2.54 M 파라미터라는 경량 설계를 유지한다.

상세 분석

본 논문은 기존 CNN, Transformer, Mamba 기반 균열 분할 모델이 각각 지역 텍스처, 장거리 의존성, 순차적 컨텍스트만을 포괄적으로 다루지 못한다는 문제점을 정확히 짚어낸다. 이를 해결하기 위해 제안된 TransMixer는 Mamba 블록 내부의 Δt 값을 채널 차원에서 정렬해 상위 γ 비율을 전역 토큰, 나머지를 국부 토큰으로 구분한다. 전역 토큰은 별도 Self‑Attention 레이어에 투입돼 전역 상관관계를 강화하고, 국부 토큰은 1×1 컨볼루션과 시그모이드 게이트를 이용한 Local Refinement 모듈을 통해 미세 텍스처를 보강한다. 이러한 토큰‑레벨 디커플링은 Mamba의 선형 복잡도와 Transformer의 강력한 전역 모델링을 동시에 활용하면서도 불필요한 연산 중복을 최소화한다.

DEGConv는 입력 피처를 격자‑단위 뷰로 분할하고 Sobel‑기반 방향 임베딩을 생성해 각 셀에 방향 히스토그램을 부여한다. 이후 가로·세로 1×k, k×1 컨볼루션으로 방향 정보를 강조하고, 게이트 메커니즘으로 중요한 에지 흐름을 선택적으로 전달한다. 이는 복잡한 분기·교차 구조를 가진 균열의 경계 추적 능력을 크게 향상시킨다.

SRF 모듈은 저해상도 전역 피처와 고해상도 지역 피처를 교차‑스케일 어텐션 없이 간단한 채널 정규화와 업샘플링으로 융합한다. 따라서 추가 연산 비용 없이 다중 스케일 정보를 효과적으로 통합한다.

실험 결과는 다중 공개 데이터셋(Crack500, DeepCrack 등)에서 기존 최첨단 모델 대비 mIoU·F1 점수에서 1‑2%p 상승을 보이며, 연산량은 2.05 GFLOPs, 파라미터는 2.54 M으로 경량화된 모바일 환경에서도 실시간 추론이 가능함을 입증한다. 전체적으로 토큰‑레벨 디커플링, 방향‑가이드 게이팅, 경량 멀티스케일 융합이라는 세 가지 핵심 아이디어가 유기적으로 결합돼 균열 세그멘테이션의 정확도와 효율성을 동시에 끌어올린 점이 가장 큰 공헌이다.