연구진은 복잡한 환경에서 구조적 크랙을 정확하게 분할하는 데 어려움을 겪는 기존 방법의 한계를 극복하기 위해 SCRWKV (Ultra-Compact Structure-Calibrated Vision RWKV) 모델을 제안했습니다.
SCRWKV는 Adaptive Multi-scale Cascaded Modulator (AMCM)과 Geometry-guided Bidirectional Structure Transformation (GBST) 등 핵심 요소를 통합하여 선형 복잡성을 유지하면서도 고정밀 모델링을 달성합니다.
다양한 벤치마크 테스트 결과, SCRWKV는 122만 파라미터로 SOTA 방법보다 뛰어난 성능 (TUT 데이터셋에서 F1 점수 0.8428, mIoU 0.8512)을 보여 실용적인 배포 가능성을 입증했습니다.