본 논문은 컴퓨터 비전 분야에서 딥러닝 모델의 오류를 체계적으로 분석하고 해결하는 자동화 프레임워크인 HiBug2를 제안합니다. HiBug2는 해석 가능하고 구조화된 과정을 통해 오류 발생 가능성이 높은 인스턴스를 강조하는 작업별 시각적 속성을 생성합니다. 효율적인 슬라이스 열거 알고리즘을 사용하여 오류 슬라이스를 체계적으로 식별하며, 기존 접근 방식의 한계였던 검증 집합을 넘어 오류 슬라이스를 예측하는 기능도 포함합니다. 이미지 분류, 자세 추정, 객체 탐지 등 여러 분야에 걸친 광범위한 실험을 통해 HiBug2가 식별된 오류 슬라이스의 일관성과 정밀도를 향상시키고 모델 복구 기능을 크게 향상시킨다는 것을 보여줍니다.
