본 논문은 대규모 텍스트-이미지 확산 모델을 활용하여 정확하지 않은 분할(Inexact Segmentation, IS) 문제를 해결하는 방법을 제시한다. 기존의 판별 모델 기반 방식이나 내부 어텐션 메커니즘으로부터 얻은 조밀한 시각적 표현에 의존하는 방식과 달리, 본 논문의 방법은 Stable Diffusion(SD)의 내재적인 생성적 사전 지식에 중점을 둔다. 구체적으로, 원본 이미지와 마스크 조건부 생성 이미지 간의 패턴 불일치를 활용하여 의미적 대응 정렬을 확립하고 전경 확률을 업데이트함으로써, 거친 단계부터 미세한 단계까지의 분할 개선을 수행한다. 포괄적인 정량적 및 정성적 실험을 통해 플러그 앤 플레이 방식 설계의 효과와 우수성을 검증하고, 생성적 불일치를 활용하여 조밀한 표현을 모델링하는 잠재력을 강조하며, 판별적 과제 해결을 위한 생성적 접근 방식에 대한 추가적인 탐구를 장려한다.
