GLASSNet은 SAMv2를 동결된 인코더로 사용하고, 가벼운 컨볼루션 어댑터를 결합하여 두드러진 객체 탐지 성능을 향상시키는 프레임워크입니다. 어댑터 사용으로 학습 가능한 파라미터를 97% 이상 줄였습니다.
글로벌 컨텍스트와 로컬 디테일을 모두 고려하기 위해 GLASSNet은 확장된 수용 영역을 가진 글로벌 디코더와 에지, 텍스처를 포착하는 로컬 디코더를 사용합니다.
표준 SOD 벤치마크에서 GLASSNet은 기존 최고 성능 모델을 능가하며, 동결된 기반 모델과 타겟 어댑테이션의 가능성을 입증했습니다.