연구진은 약지도 학습 분할 시 노이즈가 많은 CAM(Class Activation Map) 문제를 해결하기 위해 VRAA(Variance-Reduced Activation Aggregation)와 BER(Bidirectional Extremity Rectification)를 제안했어요.
VRAA는 시간적·구조적 일관성을 활용해 CAM의 노이즈를 줄이고 의미 있는 신호를 증폭하며, BER는 비정상적인 활성화를 감지해 수정해요.
실험 결과, 기존 약지도 학습 방법 대비 최대 20% Dice, 40% mIoU 향상과 함께 추론 시간 5배 이상 단축 효과를 보였어요.