0.679
실교량 비철(BCL) zero-shot bF1@4px
0.445
실교량 강재(BCL, 미학습 재질)
0.255→0.738
근접 건물표면(Özgenel) — 스케일갭 실측·해소(2-2절)
0.52→0.076
무크랙 오검출율 — 제품 게이트가 85% 기각(2절)
1. 결과 — zero-shot 외부 OOD (boundaryF1@4px, 3시드 mean±std)
| 시험셋 | 도메인·라이선스 | bF1@4px | ±std | min–max | clDice |
|---|---|---|---|---|---|
| korea075 (in-domain 참조) | 한국 드론 인프라 · 선택셋=낙관 상한 | 0.406 | 0.004 | 0.403–0.413 | 0.323 |
| BCL 비철 (실교량 콘크리트/조적 5,769) | 외부 zero-shot · CC0 | 0.679 | 0.081 | 0.567–0.752 | 0.591 |
| BCL 강재 (실교량 steel 2,036) | 외부 zero-shot · 미학습 재질 · CC0 | 0.445 | 0.054 | 0.382–0.513 | 0.393 |
| Özgenel (근접 건물표면 458, 3264×2448) | 외부 zero-shot · CC BY 4.0 | 0.255 | 0.058 | 0.212–0.337 | 0.279 |
| BCL Noise (무크랙 3,195) | 오검출(FP) 이미지율 · 게이트 전 | 0.528 | 0.084 | 0.411–0.603 | — |
읽는 법 — 3가지 정직한 발견: ① 외부 실교량에서 in-domain보다 높다(0.68 > 0.41): 우리 학습 도메인(075)이 0.1mm급 드론 미세균열로 훨씬 어렵기 때문 — 어려운 도메인에서 배운 모델이 전형적 외부 데이터(굵고 선명한 크랙)로 상향 전이한다. ② 미학습 재질(강재)에서도 in-domain급(0.45) — 크랙 형상의 보편성(cross-structure 결론과 일관). ③ 근접 고해상 건물표면은 하락(0.26): 3264×2448 근접촬영에서 크랙이 타일(768px) 대비 극대해지는 스케일 미스매치가 주요인 — 2-2절에서 실측 확정(스케일 정합 시 0.738 회복).
2. 무크랙 오검출 0.53 — 게이트가 필요한 이유의 정량 근거
무크랙 이미지 3,195장 중 41~60%에서 검출기(단독·thr 0.5)가 무언가를 검출했다. 이것이 정확히 제품이 VLM 2차 오탐게이트를 결합 배포하는 이유다 — 검출기는 recall을 위해 민감하게, 게이트가 오탐을 기각한다(크랙 게이트 실측: 오탐 인스턴스 −37%@n=300). 이 수치는 검출기 단독 상한을 정직하게 노출한 것이다.
| 시드 | FP 이미지율(게이트 전) | 게이트 후(하드 기각) | 기각률 |
|---|---|---|---|
| s0 | 0.593 | 0.081 | 86.3% |
| s1 | 0.559 | 0.090 | 83.9% |
| s2 | 0.401 | 0.057 | 85.8% |
| mean | 0.517 | 0.076 | 85.3% ±1.0 |
게이트 결합 실측(2026-07-13 추가): 검출기 오검출 크롭(시드별 1,818~2,730개)을 제품 크랙 게이트(Cosmos-Reason2+bridge 어댑터 — BCL이 실제 교량이라 제품 구성 그대로)에 판정시킨 결과, 무크랙 오검출 이미지의 85%를 기각 — FP 이미지율 0.52→0.076. 3시드 일관(±1%). "검출기는 민감하게, 게이트가 정밀을 담당"하는 제품 논지가 외부 상업셋에서 실증됐다. 주: 이미지당 상위 2개 CC 크롭 근사(문서화)·하드 verdict 기준(p_reject 스윕은 결과 JSON에 동봉).
2-2. 스케일갭 해소 실측(2026-07-13 추가) — Özgenel 0.255 → 0.738
1번 표의 Özgenel 하락(0.255)이 정말 스케일 미스매치(근접 고해상에서 크랙이 학습분포 대비 극대) 때문인지 검증했다. 이미지를 s배 축소해 추론하는 스케일 스윕(3시드, 오라클 방지: calibration 100장에서 스케일 선택 → 분리된 test 358장 보고):
| 추론 스케일 | cal(100) bF1@4px | test(358) bF1@4px | ±std |
|---|---|---|---|
| 1.0 (원본=기존) | 0.260 | 0.254 | 0.059 |
| 0.75 | 0.350 | 0.342 | 0.072 |
| 0.5 | 0.522 | 0.510 | 0.081 |
| 0.375 | 0.646 | 0.634 | 0.073 |
| 0.25 (cal-선택) | 0.744 | 0.738 | 0.048 |
| 멀티스케일 평균(TTA, 무선택) | 0.561 | 0.545 | — |
결론: 축소할수록 단조 회복(0.254→0.738) — Özgenel 갭의 주요인=스케일 미스매치 확정. calibration 선택 스케일(0.25)이 test에서도 그대로 유효(0.744/0.738 일치=오라클 아님). 스케일 정합 시 Özgenel도 실교량(0.679)급 → 크랙 모델의 외부 OOD 전이가 전반적으로 강함. 제품 처방=입력 해상도 정규화(GSD 정합) 또는 멀티스케일 TTA(무선택으로도 0.545). 주: 이 스윕은 bF1@4px+IoU(clDice는 8MP 스켈레톤 비용으로 제외, 문서화).
⚠ 정정(2026-07-14) — 이 수치는 연구 체크포인트의 것이며 출하 모델이 아니다
자체 코드리뷰 후 확인: 같은 코드·같은 BCL 200장에서 출하 모델(bridge_v3) bF1@4px = 0.241, 이 리포트의 연구 체크포인트(ck_s*) = 0.771. 즉 위 표의 0.679(3시드 평균)는 연구 체크포인트의 외부 전이 능력이고, 현재 제품에 실려 나가는 모델은 외부 실교량에서 그보다 3배 이상 약하다. 숨기지 않고 공개한다. 처방=연구 체크포인트(구조물 통합 학습)를 검증 후 제품에 승격. 게이트 −85% FP 수치도 연구 체크포인트 기준이다.
3. 정직성 노트 — 라이선스·방법
- 라이선스 file-level 검증(증거 JSON 보관): Özgenel=CC BY 4.0(Mendeley API — 우려됐던 BY-SA 아님 확정), BCL=CC0 1.0(Harvard Dataverse API). 둘 다 단일출처 원저자 데이터. 반면 후보였던 Kangcheng-Liu UAV는 README가 "타 크랙셋 종합"이라 자인 → 집합셋 라이선스 세탁위험으로 탈락(CrackSeg9k를 은퇴시킨 기준의 일관 적용). BCL 2.0은 합성셋이라 held-out 제외.
- zero-shot이다: 외부셋 프레임은 학습에 0장. in-domain 참조(korea075 val)는 체크포인트 선택셋이라 낙관 상한으로 명시.
- 시드 변량 정직 공개: 외부셋 3시드 std 0.05–0.08(min–max 병기) — 외부 전이는 시드에 민감하다.
- 데이터 무결성: 7z의 rar 해제가 조용히 깨진 것(42/60 로드 실패)을 발견 → unrar 재추출·전수 검증. 마스크 극성 자동검증(BCL은 크랙=검정 인코딩→반전) + 오버레이 육안검증으로 실크랙 정합 확인.
- SOTA 직접비교는 없다: 같은 셋의 공표 zero-shot 수치가 없어 정면비교 불가(nnU-Net 64% clIoU는 다른 데이터인 OmniCrack30k 수치). 수치는 그 자체로, 부풀리지 않고 제시한다.
재현·검증: 학습·시험 데이터 sha256·코드 SHA·OOD split 증명·per-metric 3시드·라벨 육안검증·라이선스 증거를 담은
서명 매니페스트 동봉(게시 정직성 게이트 통과). 모델 smp U-Net eff-b4+clDice·thr 0.5 고정.immersivecast · measure-first 크랙 dense-seg · 외부 상업셋 zero-shot OOD 3자검증 · 2026-07-12