← imai 홈
immersivecast · imai — 교차소스 일반화

출하 모델이 새 실현장에 일반화되나 — 상업청정 4종 zero-shot

고객 없이도 확보 가능한 상업 라이선스 청정 실데이터 4종을 새로 받아, 현재 출하 균열 모델(bridge_v6)을 재학습 없이 zero-shot으로 검증. 학습에 전혀 없던 현장들에서 강점과 한계를 실측했습니다 — 잘 되는 곳도, 무너지는 곳도 그대로.

2026-07-20 · bridge_v6 zero-shot · thr=0.5(모델능력, 배포 t*=0.96과 별개) · 외부 4종 3,827쌍 + 한국 189 1,500쌍 = 5,327쌍 · 정본 _extood_new_v6.json·_extood_189_v6.json

결과 — bridge_v6 zero-shot (boundaryF1@4px)

테스트셋신규 현장라이선스nbF1@4pxclDicepIoU판정
nccd_pf터널·고가 미세균열 <0.3mmCC BY7150.819 0.7590.406★강한 일반화
ccc콘크리트 종합(9소스)CC09530.757 0.5650.302강함
lcw교량 실촬영 광역장면CC09590.404 0.2490.111중간
road_brazil도로 포장CC BY12000.169 0.1290.055✗ 시설 도메인갭

참조(동일 thr=0.5 조건, 기존 외부 OOD 리포트): 실교량 비철 BCL 0.679 · 강재 0.445 · 건물표면 Özgenel 0.255.

정직한 해석

강한 긍정 — 구조 콘크리트 결함엔 강하게 일반화. 학습에 전혀 없던 터널·고가 미세균열(<0.3mm)에 0.819, 콘크리트 종합에 0.757 — 우리 최고 외부셋(BCL 0.679)보다도 높습니다. 특히 nccd_pf는 0.3mm 미만 미세균열이라 우리 "폭 갭" 우려 지점인데도 검출 자체는 강함(폭 정밀측정과 검출은 별개 축). ccc는 CFD·CRACK500·CrackTree·DeepCrack·GAPS 등 9개 공개소스 혼합으로, bridge_v6 학습셋(040 드론교량+korea075)과 무중복 = 진짜 held-out.
정직한 한계 — 도로 포장은 무너진다. road_brazil 0.169(과분할 CC오차 86). 포장 균열은 alligator·텍스처·스케일이 구조물과 달라 bridge 모델로 안 됩니다. 숨길 실패가 아니라 제품 설계의 근거: 시설 regime이 다르면 그 시설의 모델이 필요하다 — 이것이 우리 데이터 엔진(시설별 적응) 서사를 실증으로 정당화합니다. 포장은 자기 모델 트랙.
반전 — "시설전용이 항상 낫다"는 거짓. 같은 nccd_pf에 터널전용 tunnel_v2를 돌리니 0.411로 generalist bridge_v6(0.819)의 절반. 한국 터널 lining에 좁게 학습된 모델은 다른 미세균열 분포로 전이되지 않습니다. → 교차소스엔 넓게 학습한 generalist가 강하고, 전용모델은 자기 도메인에서만 강함. 시설별 적응의 가치는 "특정 고객 현장 조건에 맞추는 것"이지 "시설 라벨 모델이 범용 업그레이드"가 아님.

한국 도메인매칭 — 이미 보유한 데이터로 (AI-Hub 189) 신규

새로 받을 필요 없이, 우리가 이미 보유한 AI-Hub 189 "서울 노후주택 균열"(bridge_v6가 학습에 안 쓴 한국 크랙셋)에서 1,500장 한국 주택 크랙 held-out을 만들어 zero-shot 측정. 국내 파일럿 고객이 바로 알아보는 도메인.

테스트셋현장nbF1@4pxclDicepIoU위치
aihub189한국 노후주택 균열(아파트·다세대·단독·연립·비주거 5유형)15000.387 0.3690.212중간
정직한 위치 — 중간대(0.387). 외국 건물표면(Özgenel 0.255)보다 낫지만 구조 콘크리트(터널 0.82·종합 0.76)보다 낮습니다. 189는 주택 파사드(벽돌·석조·도장·위로 올려찍은 원거리)라 교량 튜닝 모델엔 도메인갭이 있음 — 주택 파일럿엔 현장 적응이, 교량 타깃엔 위 구조 콘크리트 강점이 해당. 우리 최대 held-out(1,500쌍)이자 첫 한국 도메인매칭 수치.
측정 위생(★육안검증이 오류를 잡음). 189 원본은 ALZip .egg(unalz/7z 미지원) → 무압축 저장 JPEG 직접 카빙으로 추출. 최초 정규화에서 손상유형을 Class_ID로 오매핑(창틀·처마가 크랙으로 섞임)한 것을 오버레이 육안검증으로 적발 → 손상유형은 라벨 경로(구조물(균열))에 있음을 규명·수정 후 재검증(실제 콘크리트·석조 균열 확인). positive_pixel_rate 0.003~0.007. 라이선스=AI-Hub 정책(내부 측정, 상업학습 시 출처표시).

왜 중요한가 (사업)

이 결과는 실고객 한 명 없이 확보한 상업청정 실데이터로 "우리 출하 모델이 새 현장에 얼마나 통하나"를 정직하게 답합니다 — 파일럿 전에 신뢰를 쌓는 measure-first 증거. 강점(구조 콘크리트 광역 일반화)은 팔 수 있고, 한계(포장·주택 파사드·광역 희소장면)는 적응 트랙으로 정직하게 안내합니다.

방법·정직 경계