본 논문은 제한된 레이블 데이터와 풍부한 비표적 분포(Out-of-Distribution, OOD)의 비표지 데이터를 활용하는 반지도 학습 기반 의미 분할(semantic segmentation) 프레임워크인 SemiOVS를 제안합니다. 기존 연구들은 표준 데이터셋의 제한된 분할을 사용하여 유망한 결과를 보였지만, 대규모 비표지 이미지 활용 가능성은 탐구되지 않았습니다. SemiOVS는 오픈 어휘 분할(Open-Vocabulary Segmentation, OVS) 모델을 사용하여 OOD 이미지의 정확도 높은 의사 레이블 생성을 가능하게 합니다. Pascal VOC와 Context 데이터셋에서의 실험 결과, 제한된 레이블 환경에서 추가 비표지 이미지 활용이 성능 향상에 기여하며, 특히 OVS 모델을 통한 OOD 이미지 활용이 성능 향상에 크게 기여함을 보였습니다. SemiOVS는 기존 방법인 PrevMatch와 SemiVL을 각각 +3.5 mIoU와 +3.0 mIoU만큼 능가하는 최첨단 성능을 달성했습니다.
