연구진은 자기 지도 학습(SSL)의 단점을 보완하기 위해 Mirror-Fusion-Augmented Self-Supervised Learning(MFASSL) 프레임워크를 제안했어요. MFASSL은 기존 SSL 방식에 반사 정보를 주입하여 의료 영상이나 얼굴 이미지에서 중요한 좌우 관계를 보존합니다.
Mirror-Fusion Attention(MFA) 모듈을 통해 거울 이미지 영역 간 토큰 수준 상호 작용을 조정하고 비대칭적인 특징도 유지하며, 반사 일관성 및 중간 계층 토큰 정렬 손실을 결합합니다.
CheXpert, BraTS, CelebA-HQ, WFLW 데이터셋에서 MoCo-v3, DINO, MAE 기반 모델보다 성능, 교정, 반사 강건성 측면에서 개선되었으며, 기존 등방성 SSL 방식보다 더 강력하고 일관된 효과를 보였어요.