연구진은 가시광선-적외선(VIS-IR) 데이터의 특성 차이로 인한 불확실성을 해소하기 위해 패치 신뢰도에 따른 중요도 기반 샘플링(IAS) 기법을 제안했어요.
IAS는 적외선 구조적 단서를 활용해 패치 가중치를 결정하고, 경량 샘플러를 통해 중요도 마스크를 학습하며, 패치 커리큘럼 학습 전략을 적용해요.
다양한 VIS-IR 벤치마크 실험 결과, IAS는 기존 방식 대비 IR 의미론적 분할, 객체 탐지, 크로스 모달 검색 등에서 성능 향상을 보였어요.