본 논문은 자율주행을 위한 정밀한 차량 부품 분할을 목표로, Segment Anything Model (SAM)의 한계를 극복하는 새로운 프레임워크 SAV를 제안합니다. SAV는 SAM 기반 인코더-디코더, 차량 부품 지식 그래프, 그리고 컨텍스트 샘플 검색 인코딩 모듈의 세 가지 핵심 구성 요소로 이루어져 있습니다. 지식 그래프는 차량 부품 간의 공간적 및 기하학적 관계를 명시적으로 모델링하여 사전 구조적 지식을 효과적으로 인코딩하고, 컨텍스트 검색 모듈은 훈련 데이터에서 시각적으로 유사한 차량 인스턴스를 식별하고 활용하여 일반화 성능을 향상시킵니다. 또한, 다양한 장면과 관점에 걸쳐 11,665개의 고품질 픽셀 수준 주석이 포함된 새로운 대규모 벤치마크 데이터셋 VehicleSeg10K를 소개하며, 여러 기준 모델에 대한 종합적인 실험 결과를 제시합니다.
