0.33–0.47
in-structure boundaryF1@4px (같은 구조물 val·모델선택셋=상한)
0.34–0.39
cross-structure boundaryF1@4px (다른 구조물)
−16~22%
구조물이 바뀔 때 저하폭 (붕괴 아님)
3
독립시드(byte-identical 아님 검증)
1. 결과 매트릭스 — 학습구조 × 시험구조 (boundaryF1@4px, 3시드 mean±std)
| 학습 → 시험 | 종류 | bF1@4px | ±std | clDice | pixel IoU |
|---|---|---|---|---|---|
| bridge → bridge | in-structure(상한) | 0.467 | 0.003 | 0.382 | 0.218 |
| tunnel → tunnel | in-structure | 0.330 | 0.002 | 0.242 | 0.118 |
| bridge → tunnel | cross-structure | 0.366 | 0.012 | 0.265 | 0.140 |
| bridge → wall | cross-structure | 0.393 | 0.005 | 0.318 | 0.172 |
| tunnel → bridge | cross-structure | 0.391 | 0.013 | 0.315 | 0.166 |
| tunnel → wall | cross-structure | 0.344 | 0.034 | 0.275 | 0.149 |
비자명한 발견 3가지:
① 크랙은 화재와 다르다 — 붕괴하지 않는다. 구조물이 바뀌어도 저하는 bridge 소스 기준 −16~22%에 그친다(화재 cross-source는 −42~86% 붕괴). 단 tunnel 소스는 cross가 오히려 +4~18%(bridge/wall이 tunnel보다 쉬워서) — 저하폭은 소스 조건부다. 크랙 형상이 구조물 종류를 넘어 보편적이라 전반적으로 전이가 잘 된다. ② 터널이 본질적으로 가장 어렵다 — in-structure(상한)조차 0.330으로 최저. 심지어 bridge→tunnel(0.366)이 tunnel→tunnel(0.330)을 능가. ③ 어떤 구조물도 압도적 in-domain 이점이 없다 → 크랙엔 구조물별 재학습보다 다양·양질 데이터 확보가 관건. 주의: in-structure는 best 체크포인트 선택에 쓴 val이라 낙관 상한(독립 held-out 아님); cross-structure는 학습에 안 쓴 구조물이라 진짜 held-out.
2. 정직성 노트 — 왜 숫자가 modest한가
- 절대 수준이 낮은 건 정직해서다. 075는 0.1mm급 미세균열이 다수이고 드론 원거리 촬영이라, 사람 눈으로도 안 보이는 크랙이 GT에 포함된다. 업계가 광고하는 "정확도 90%+"는 대개 굵고 선명한 크랙·근접촬영·느슨한 지표 기준 — 우리는 가장 어려운 조건에서 엄격한 경계지표로 잰다.
- 지표 선택: 주지표 = boundaryF1@4px(OmniCrack clIoU 계열, 경계 4px 허용) + clDice(연결성). pixel IoU(0.12–0.22)는 얇은 크랙에 가혹(선이 1~4px라 조금만 어긋나도 급락)해 참고용으로만 병기한다.
- 마스크는 우리 선택이다: 075 GT는 폴리라인 centerline + 폭클래스(mm). 이를 폭클래스→선두께(3~14px)로 래스터화해 세그 마스크를 만들었다(문서화된 선택). 이 두께 선택이 절대값에 영향.
- 부분 라벨: 075엔 주요 크랙만 표시되고 미세 헤어라인이 누락된 프레임이 있다(마스크 육안검증서 확인). 실제 성능은 GT 완전성 한계 안에서의 값이다.
- 옛 0.772는 은퇴했다: CrackSeg9k 0.772(mIoU)는 원본 비상업셋을 재포장한 세탁 데이터 + 자체split 누수였다(별도 조사). 지표(mIoU)도 데이터도 달라 본 수치와 직접 비교 불가 — 대체가 아니라 부풀린 숫자를 검증가능한 정직 숫자로 교체한 것이다.
재현·검증: 3개 구조물 데이터 sha256·코드 SHA·clip-disjoint split 증명(누수검사 통과)·per-metric 3시드·마스크 육안검증을 담은
서명 매니페스트 동봉(게시 정직성 게이트 통과). 모델 smp U-Net eff-b4·clDice 손실. 데이터=AI-Hub 개방데이터(이용약관 준수, 상업 제품화 전 약관 재확인).immersivecast · measure-first 크랙 dense-seg · AI-Hub 075 cross-structure held-out · 2026-07-11