연구진이 Zenseact Open Dataset(ZOD)에 대해 Segment Anything Model(SAM) 기반의 픽셀 단위 어노테이션 파이프라인을 구축하여, 기존 바운딩 박스 레이블을 의미론적 마스크로 변환했어요.
새로운 어노테이션을 활용해 CLFT와 DeepLabV3+ 아키텍처를 평가한 결과, 다양한 날씨 조건에서 최대 48.1% mIoU를 달성했으며, 보행자, 자전거, 표지판 등 희귀 클래스 불균형 문제를 해결하기 위한 모델도 탐색했어요.
Iseauto 자율주행 플랫폼에서 77.5% mIoU를 달성하고, 양방향 전이 학습을 통해 센서 구성 간 SAM 기반 표현이 효과적으로 전이됨을 검증했으며, 모든 코드와 어노테이션을 공개했어요.