imai · immersivecast ai
우리는 정확도를 광고하지 않습니다. 운영점에서 실측한 성능·오탐 감축·통계적 보장을 — 어려운 현장까지 숨김 없이 — 공개합니다.
업계 관행은 in-domain 99%만 광고하고 오탐율·cross-site 성능을 공개하지 않습니다. imai는 책임있는 소수 벤더처럼 측정하고 공개합니다. · 기준일 2026-07-22 · 모델 bridge_v6(라이브)
깨끗한 구조물은 SOTA 동급, 어수선한 실제 점검 현장은 정직하게 낮게 — 숨기지 않습니다.
| 도메인 (held-out) | 경계 F1@4px | 판정 | 비고 |
|---|---|---|---|
| 도로터널 미세균열 | 0.85 | 강 | SOTA 동급 |
| 교량 콘크리트 | 0.83 | 강 | SOTA 동급 |
| 건물 표면 | 0.82 | 강 | SOTA 동급 |
| 노후주택 파사드 | 0.51 | 도메인갭 | 패널 이음선 오탐 — 개선 대상 |
| 실교량 어수선 씬 (교좌·녹·잡물 밀집) | 0.41 | 최난 | 게이트로 정밀도 관리 · 현장 데이터로 개선 |
※ 경계정합 F1은 균열 검출 품질의 tolerant 지표. 어수선한 실제 점검 씬(마지막 행)이 우리 최난 구간이자 대다수 노후 인프라의 현실 — 이를 숨기지 않고 게이트·통계보장·현장적응으로 다룹니다.
검출 후보를 VLM이 맥락(녹·그림자·이음부 vs 진짜 균열)으로 재판정해 오탐을 걷어냅니다. 어려운 현장일수록 효과가 큽니다.
정직: 게이트는 오탐을 줄이지만 어수선한 씬의 미검출(놓침)까지는 닫지 못합니다(실교량 이미지 recall 39%). 이 남은 갭은 게이트가 아니라 현장 도메인 데이터로만 닫힙니다 — 그래서 실증·데이터 적응이 핵심입니다.
"놓침률(FNR)을 목표 이하로 보장"을 통계적으로 산출·공표합니다. 경쟁 검사AI에서 드문 특성입니다.
※ 보장은 캘리브레이션 도메인(BCL 실교량 2,000장) 기준이며, 파일럿 현장에선 그 현장 데이터로 재캘리브레이션해 재산출합니다 — 보장의 조건을 명시하는 것 자체가 신뢰입니다.
오탐율·실패율을 공개한 사례는 소수이며, 대부분 운영주체·독립 평가입니다. imai는 이 소수의 정직한 관행을 제품 표준으로 삼습니다.