Source-Free Object Detection (SFOD)에서 Vision Foundation Models (VFMs)을 활용하여 feature alignment와 label quality를 개선하는 새로운 프레임워크를 제안합니다. 기존 SFOD 방법의 한계를 극복하기 위해, patch-weighted global feature alignment, prototype-based instance feature alignment, 그리고 dual-source enhanced pseudo-label fusion 세 가지 VFM 기반 모듈을 설계했습니다. 이 프레임워크는 여섯 개의 벤치마크에서 SOTA 성능을 달성하여 VFM 통합의 효과를 입증했습니다.
시사점, 한계점
•
시사점:
◦
VFMs을 활용하여 SFOD의 성능을 향상시킬 수 있음을 입증했습니다.
◦
feature alignment와 label quality를 동시에 개선하는 새로운 접근 방식을 제시했습니다.
