0.76–0.86
in-domain 낙상검출 (URFD held-out, FAR 0.1–0.3)
0.14–0.30
cross-dataset 낙상검출 (GMDCSA, 같은 FAR)
~1/5
같은 오탐 수준서 detection 붕괴폭(FAR≤0.2)
3
독립시드(운영점 정합으로 안정화)
1. 결과 — 운영점 정합 detection @ matched false-alarm (3시드 mean±std)
| 허용 오탐율(FAR) | URFD in-domain(상한) | GMDCSA cross-dataset | detection 비 |
|---|---|---|---|
| FAR ≤ 0.1 | 0.762 ±0.178 | 0.143 ±0.016 | 5.3× |
| FAR ≤ 0.2 | 0.809 ±0.178 | 0.169 ±0.006 | 4.8× |
| FAR ≤ 0.3 | 0.857 ±0.202 | 0.300 ±0.066 | 2.9× |
읽는 법: 같은 오탐 수준(FAR)에서 in-domain은 낙상의 76–86%를 잡지만, 다른 데이터셋에선 14–30%만 잡는다 — 같은 오탐에서 검출률이 3~5배 무너진다. 문헌(cross-dataset 2~3배 붕괴)보다도 큰 갭. 즉 한 데이터셋에서 잘 되는 낙상 검출기는 다른 현장으로 그대로 옮기면 대부분의 낙상을 놓친다.
1-2. 3원 확장 — CAUCAFall(콜롬비아 실CCTV 앵글)에선 더 무너진다
| held-out | 도메인 | det@FAR0.1 | det@FAR0.2 | det@FAR0.3 |
|---|---|---|---|---|
| URFD in-domain | 폴란드 흉부높이 정면(상한) | 0.762 | 0.809 | 0.857 |
| GMDCSA-24 | 인도 웹캠 가정 | 0.143 | 0.169 | 0.300 |
| CAUCAFall (CC BY 4.0) | 콜롬비아 실CCTV 천장앵글·어안 | 0.060 | 0.087 | 0.087 |
3원 결론(2026-07-12 추가): 다른 출처로 갈수록, 특히 배포환경에 가까운 실 CCTV 앵글일수록 검출이 더 무너진다(0.81 → 0.17 → 0.09). CAUCAFall은 천장 CCTV·어안·원거리라 URFD(흉부높이 정면)와 시점 자체가 다르다 — 낙상 50클립/ADL 50클립(하드 20), 3독립시드, 동일 운영점 정합 프로토콜. "한 데이터셋에서 잘 되는 낙상 검출기를 현장에 그대로 옮기면 안 된다"는 결론이 3원에서 일관 확증 — 현장 데이터 적응이 필수인 정량 근거.
2. 왜 "운영점 정합"인가 — 이 리포트의 rigor 포인트
처음엔 고정 임계(conf=0.25)로 쟀는데, 시드마다 운영점이 딴판이었다(GMDCSA detection이 시드별 0.14 / 0.76 / 0.24, std 0.27). 어떤 시드는 "잘 쏘는" 검출기(검출↑·오탐↑), 어떤 건 "보수적"(둘 다↓)이라 고정 임계 단일수치는 비교 불가였다. 그래서 임계를 스윕해 같은 FAR 상한에서 detection을 비교(운영점 정합)하니 cross-dataset 수치가 std 0.006–0.066으로 안정됐다. 노이즈 큰 고정-conf 숫자를 그대로 내지 않고 제대로 다시 측정한 것 — 이게 정직한 측정의 핵심이다.
detection-vs-FAR 곡선(예시 시드): thr↑ 하면 GMDCSA는 det 0.39@FAR0.28 → 0.17@FAR0.17 → 0.13@FAR0.09 → 0.05@FAR0 — 낙상을 놓치지 않으면서 오탐을 낮추는 운영점이 cross-dataset엔 존재하지 않는다. 하드 ADL(침대에 눕기·바닥의 폰 줍기)이 낙상과 뒤섞이는 게 오탐의 큰 축.
3. 정직성 노트 — 무엇을 뜻하나
- 철회된 0.83을 대체한다: 이전 "한국 도메인적응 0.00→0.83"은 그린스크린 합성 데이터 + 자동라벨 오류(서 있는 사람에 낙상박스)로 전량 철회됐다. 이 리포트는 진짜 실낙상 세 데이터셋(폴란드↔인도↔콜롬비아)의 검증가능 cross-dataset 수치다.
- in-domain은 낙관 상한(독립 held-out 아님): URFD in-domain 시퀀스(7 fall 클립)는 best 체크포인트 선택에 쓴 val셋이자 그 상한 측정셋이라 selection 편향된 상한이다(소표본이라 std도 큼). 핵심 비교는 모델선택과 무관한 대표본 GMDCSA(79 fall)로, 붕괴 방향이 오히려 보수적이다.
- 운영점 임계는 테스트셋 오라클 선택: det@matched-FAR의 임계는 별도 calibration 없이 각 테스트셋 라벨로 사후선택했다(best-case 상한). 단 GMDCSA는 best-case 임계에서도 0.14–0.30이라 붕괴 결론은 보수적이다.
- 검출기 단독의 한계다 — 우리 차별(VLM 오탐게이트)은 다음: 이 수치는 commodity 검출기의 전이 실패다. 우리 제품의 차별인 VLM 2차 오탐게이트는 정밀도(오탐)를 돕지 무너진 recall을 살리진 못한다. 게이트의 하드 ADL 오탐기각은 별도 리포트에서 실측 완료(바닥 적대 오탐 3.8%·낙상 85% 포착).
- 함의 = 현장별 데이터가 답: 낙상 검출은 화재처럼 현장(카메라·자세·배경)이 바뀌면 붕괴한다. 그래서 파일럿 현장 데이터로의 적응이 필수이며, 이 정직한 붕괴 수치가 그 필요성의 정량 근거다.
- 라이선스: URFD=CC BY-NC-SA 4.0(비상업·카피레프트)이라 상업 제품 벤치엔 CAUCAFall(CC BY)로 후속 교체 권장. GMDCSA=CC BY 4.0.
재현·검증: URFD·GMDCSA 데이터 sha256·코드 SHA·cross-source split 증명·per-metric 3시드·라벨 검증을 담은
서명 매니페스트 동봉(게시 정직성 게이트 통과). 모델 yolov8s·conf 스윕·k_consec 클립경보.immersivecast · measure-first 산업안전 낙상검출 · URFD→GMDCSA cross-dataset held-out · 2026-07-12