연구진은 미세 세균 검출 시 기존 설명 방법의 한계를 극복하기 위해 새로운 XAI 프레임워크 SAM-Sode를 제안했어요. SAM-Sode는 초기 특징 맵을 기하학적 정보 기반 프롬프트로 변환하여 설명 맵을 정제하고 재구성합니다. 물리적 의미와 기하학적 정렬을 기반으로 하는 이중 제약 메커니즘을 통해 인스턴스 수준의 노이즈를 제거하여 인간 전문가의 직관에 부합하는 설명을 생성합니다.
연구 결과, 자체 구축한 복잡한 배경의 세균 데이터셋과 공개 데이터셋에서 배경 중복을 효과적으로 억제하고 미세 객체 검출의 의사 결정 투명성을 향상시키는 것으로 나타났어요. SAM-Sode는 SAM3 기반 모델의 사전 지식을 활용하여 공간적 정제와 형태학적 재구성을 가능하게 합니다.
SAM-Sode는 2,524장의 이미지로 구성된 자체 구축 데이터셋에서 실험을 진행했으며, 기존 방법 대비 배경 중복을 효과적으로 억제하고 의사 결정 투명성을 향상시키는 효과를 입증했어요.