본 연구는 이미지 내 상호작용 가능 영역인 어포던스를 인스턴스 분할하는 모델을 제시하며, 베이지안 방식과 앙상블 기법을 활용하여 불확실성을 추정합니다. 제안하는 모델은 어텐션 기반 아키텍처를 확장하여 IIT-Aff 데이터셋에서 기존 모델 대비 $F_β^w$ 점수 7.4%p 향상을 달성했습니다. 알레토리 불확실성은 객체의 윤곽에서, 에피스테믹 불확실성은 시각적으로 어려운 픽셀에서 관찰되어, 신경망의 해석력을 높입니다.