루이지애나대 라피엣과 루이지애나주립대 뉴올리언스 연구진이 흙 제방의 샌드 보일 점검용 합성 이미지를 만드는 다중 조건 확산 파이프라인을 제안했다. 샌드 보일은 수압을 받은 물과 모래가 제방 지반을 뚫고 올라오는 내부 침식 징후지만 높은 수위 때만 나타나고 픽셀 주석이 필요해 학습 자료가 부족하다.
파이프라인은 소규모 실사진으로 DreamBooth-LoRA 미세조정한 Stable Diffusion XL과 윤곽·깊이·표면 법선 정보를 주는 ControlNet을 결합한다. 기본 프리셋은 실제 결함 영역의 픽셀을 보존하고 주변 장면만 다시 그리는 소프트 마스크 인페인팅을 썼다. Prompt Atlas가 지형·날씨·촬영 조건을 조합하고 CLIP 필터가 범위를 벗어난 결과를 거른다.
연구진은 실제 훈련 이미지에서 합성 후보 1,020장을 만들었고 815장이 CLIP 허용 필터를 통과했다고 보고했다. 품질은 FID·KID, 이미지와 텍스트의 CLIP 유사도, LPIPS 다양성으로 평가했다. 단일 프리셋이 모든 지표에서 우세하지 않아 라벨 신뢰성이 높은 소프트 마스크 방식을 기본으로 두고 선별 혼합을 권했다.
| 항목 | 결과 | 범위 |
|---|---|---|
| 합성 후보 / 통과 | 1,020장 / 815장 | CLIP 허용 필터 |
| 13장×3 어댑터 시험 | FID 235.3±1.9 / KID 0.053±0.005 / LPIPS 0.588±0.007 | 생성 품질·다양성 |
마스크 안에 새 샌드 보일을 만드는 별도 방식은 마스크를 라벨로 쓸 수 있지만 실제 이미지로 학습한 검증기가 합성 장면의 라벨을 대규모로 보증하지 못했다. 세 개의 분리된 13장 집합으로 학습한 어댑터 시험은 FID 235.3±1.9, KID 0.053±0.005, LPIPS 0.588±0.007을 보였다. 이 수치는 분할 정확도가 아니다.
논문의 주장은 생성 품질, 라벨 출처와 다양성까지다. 합성 데이터를 넣었을 때 실제 샌드 보일 분할 성능이나 오탐·미탐이 개선되는지는 시험하지 않았다. 실사진 촬영 양식의 범위, 물 반사, CLIP을 생성과 검증 양쪽에 쓰는 순환성도 일반화 한계로 남는다.
이 연구는 2026년 7월 공개된 동료검토 전 arXiv 프리프린트다. 안전이 중요한 제방 점검에서 합성 이미지는 실제 현장 기록이나 숙련 점검자를 대체할 수 없다. 공개된 결과는 희귀 결함의 실픽셀을 보존하면서 주변 조건을 넓힌 합성 데이터 구축 절차에 관한 것이다.
저작권자 © STORIUM 무단전재 및 재배포 금지
