비, 유리 또는 곤충의 거미줄을 통과하면 비디오 AI의 정확도가 떨어져 보이는 이유는 무엇인가요?

비, 유리 또는 거미줄이 있으면 광학적 간섭이 실제 특징을 가리는 동시에 그럴듯한 가짜 특징을 만들어 내기 때문에 영상 AI의 신뢰성이 떨어집니다.

파티오 카메라는 건조한 저녁에는 사람을 안정적으로 감지하다가도, 적외선 아래에서 젖은 거미줄이 빛나면 동물 또는 사람 알림을 생성할 수 있습니다. 모델은 “날씨”가 아니라 픽셀을 봅니다. 물방울, 반사, 렌즈 가까이에 있는 실 같은 물체가 픽셀을 지배하거나, 멀리 있는 피사체를 인식하는 데 필요한 윤곽을 지울 수 있습니다.

간섭은 장면에 존재하지 않는 특징을 추가합니다

빗줄기는 짧고 밝은 선을 만들고, 물방울은 국소 영역의 빛을 굴절시키고 흐리게 하며, 유리는 반사를 더하고, 거미줄은 렌즈 가까이에서 높은 대비의 곡선을 형성합니다. 일반적인 장면으로 학습된 감지기는 이러한 패턴을 물체의 일부로 해석하거나, 그 뒤에 있는 실제 윤곽을 놓칠 수 있습니다.

빗줄기 제거 모델에 관한 단일 이미지 연구에서는 빗줄기를 장면 콘텐츠에서 분리할 수 있는 시각적 층으로 모델링합니다. 전용 제거 방법이 필요하다는 사실은 비가 단순히 밝기를 낮추는 것이 아니라 이미지 구조를 변화시킨다는 점을 보여 줍니다.

렌즈 가까이에서 발생하는 간섭은 물리적으로는 작더라도 많은 픽셀을 차지하기 때문에 불균형적으로 큰 영향을 미칩니다. 적외선은 실 한 가닥이나 물방울을 밝힐 수 있지만, 멀리 있는 진입로는 어두운 상태로 남을 수 있습니다. 그 결과 가짜 특징이 시스템이 찾아야 하는 실제 사람보다 더 높은 대비를 갖게 될 수 있습니다.

유리와 물은 서로 경쟁하는 이미지를 만듭니다

유리 뒤에 있는 카메라는 실외 장면과 실내 반사를 동시에 포착할 수 있습니다. 어느 층이 우세해지는지는 초점, 노출, 편광에 따라 달라집니다. 물은 물방울이 흘러내리면서 움직이는 굴절 왜곡을 더하므로, 실외에서 의미 있는 움직임이 전혀 없어도 정적인 배경이 시간적으로 불안정해집니다.

반사 제거 연구에서는 반사 분리를 하나의 깨끗한 장면이 아니라 서로 겹쳐진 두 개의 시각적 구성 요소로 다룹니다. 이 모델은 일반적인 객체 감지기가 감시 영역이 아닌 반사된 실내의 세부 정보에 확신을 부여할 수 있는 이유를 설명합니다.

움직임 감지가 먼저 작동한 뒤, 감지기가 변화한 영역을 분류하도록 강제될 수 있습니다. 이때 파이프라인이 이미 특이한 잘라낸 영역을 선택했기 때문에 결과 레이블이 자신 있게 틀릴 수 있습니다. 학습 데이터에 맞춰진 신뢰도 측정값이 광학적 오염 상황에서의 정확성을 보장하지는 않습니다.

날씨가 주된 원인이 아닌 경우

렌즈와 유리를 깨끗이 닦은 뒤에도 오류가 지속되거나, 오류가 인코더 아티팩트 및 프레임 드롭과 일치한다면 간섭만으로는 설명이 부족합니다. 모델 업데이트, 감도 변경, 적외선 모드 전환 또는 감지 영역 변경이 비와 동시에 발생해 오해를 불러일으키는 상관관계를 만들 수 있습니다.

거미줄 감지를 구체적으로 다룬 연구에서는 거미줄이 감시 시스템에서 상당한 오경보 부담을 유발할 수 있다고 보고합니다. 그러나 거미줄은 그 위치와 조명이 모델이 관찰한 오탐 영역과 일치할 때에만 인과적 원인이 됩니다.

서버 측 감지와 저장된 프레임이 정확한데 모바일 앱에서만 문제가 발생한다면 날씨로 설명할 수도 없습니다. 촬영 방해 요소와 전송 및 인터페이스 렌더링 문제를 분리해서 확인하세요. 물체 윤곽이 선명한 젖은 장면은 여전히 잘 작동할 수 있지만, 역광을 받는 작은 물방울 하나가 특정 카메라 각도를 무력화할 수 있습니다.

Featured

ZimaCube 2 개인용 클라우드 홈 NAS

ZimaCube2

$799.00 - $2,499.00

Buy Now

감지를 유발하는 픽셀과 방해 요소를 대조하세요

같은 카메라와 추론 모델에서 촬영한 건조한 상태와 오염된 상태의 짝을 이루는 클립을 저장하세요. 물방울, 반사 또는 거미줄이 차지하는 픽셀 영역을 표시한 다음, 오탐 박스가 해당 영역과 겹치는지 비교하세요. 적외선 상태, 셔터, 게인, 물체 크기, 신뢰도, 인코더 비트레이트를 기록하세요.

파일 이벤트, 추론 프레임, 알림 타임스탬프를 클라우드 서비스가 전처리를 몰래 변경하지 않은 상태에서 비교할 수 있도록 로컬 이벤트 처리 파이프라인에서 테스트를 진행하세요. 거미줄과 물방울은 움직이므로 여러 날 밤에 걸쳐 테스트해야 합니다.

방해 요소가 나타날 때 오류가 발생하고, 그 이미지 영역과 겹치며, 다른 조건이 동일할 때 방해 요소가 사라지면 광학적 간섭을 원인으로 판단할 수 있습니다. 청소 후에도 문제가 지속되거나 영향을 받은 픽셀 영역 밖에서 오류가 발생한다면 모델 또는 스트림 변경을 조사하세요. 비가 움직임 감지만 증가시키는 경우에는 트리거 감도와 분류 정확도를 구분해야 합니다.