본 논문은 기존 RGB 기반의 눈에 띄는 객체 탐지(SOD) 방법의 한계를 극복하기 위해, 풍부한 스펙트럼 정보를 제공하는 초분광 이미지를 활용한 초분광 눈에 띄는 객체 탐지(HSOD)에 초점을 맞추고 있습니다. 기존 HSOD 방법론의 주요 문제점인 대규모 데이터셋 부족 문제를 해결하기 위해, 가장 크고 어려운 HSOD 벤치마크 데이터셋인 HSOD-BIT-V2를 제시합니다. 이 데이터셋은 작은 객체와 전경-배경 유사성에 중점을 둔 다섯 가지의 어려운 과제를 포함하고 있습니다. 본 논문에서는 이러한 과제들을 해결하기 위해, 고해상도 HSOD 네트워크인 Hyper-HRNet을 제안합니다. Hyper-HRNet은 효과적인 스펙트럼 정보를 추출, 통합, 보존하고 차원을 축소하며 자기 유사 스펙트럼 특징을 포착합니다. 또한, 포괄적인 전역 정보와 상세한 객체 눈에 띄는 표현을 통합하여 미세한 디테일을 전달하고 객체 윤곽을 정확하게 찾습니다. 실험 결과, Hyper-HRNet은 기존 모델보다 특히 어려운 시나리오에서 성능이 우수함을 보여줍니다.
