본 논문은 심층 학습 기반 컴퓨터 비전에서 중요한 역할을 하는 이미지 분할의 발전과, 실세계 응용에서의 신뢰성 문제를 다룹니다. 모델의 무지(인식적 불확실성) 또는 데이터의 모호성(확률적 불확실성)을 표현하는 불확실성 정량화에 대한 연구를 종합적으로 검토합니다. 특히, CNN 기반 분할 모델의 확산에 따라 빠르게 발전한 확률적 분할에 대한 포괄적인 개요를 제공합니다. 불확실성 정량화의 기본 개념, 분야의 발전, 다양한 작업에 대한 응용을 논의하며, 주요 응용 분야(주석 과정의 통계적 불일치 정량화, 예측 오류와 불확실성의 상관관계, 모델 가설 공간 확장을 통한 일반화 향상, 능동 학습)별로 사용된 데이터셋과 평가 방법을 상세히 논의합니다. 아키텍처, 불확실성 정량화 방법, 표준화 및 벤치마킹 관련 과제를 강조하고, 단일 순전파 기반 방법 및 체적 데이터를 활용하는 모델 등 미래 연구 방향을 제시합니다.
