본 논문은 비디오 미러 감지 분야의 한계를 해결하기 위해 MirrorMamba라는 새로운 효과적이고 확장 가능한 방법을 제안한다. 기존 방법론의 성능과 견고함 부족 문제를 해결하고자, 지각된 깊이, 대응 관계, 광학적 단서를 활용하며, Mamba 기반의 다방향 대응 추출기(Mamba-based Multidirection Correspondence Extractor)와 Mamba 기반의 레이어별 경계 강화 디코더를 도입한다. Mamba 모델의 전역적인 수용 필드와 선형적인 복잡도를 활용하여 대응 관계를 효과적으로 포착하고, 흐릿한 깊이 맵으로 인한 불명확한 경계를 해결한다. 본 연구는 미러 감지 분야에서 Mamba 기반 아키텍처를 처음으로 성공적으로 적용한 사례이며, 벤치마크 데이터셋에서 기존 최고 성능의 접근 방식을 능가하는 결과를 보였다. 또한, 가장 어려운 이미지 기반 미러 감지 데이터셋에서도 최고 성능을 달성하여 견고함과 일반화 능력을 입증했다.
