본 논문은 다양한 해상도의 에지 라벨을 갖는 에지 검출 문제에서, SAM(Segment Anything Model)의 중간 특징맵을 활용하여 에지 라벨의 불확실성을 모델링하는 새로운 방법을 제시합니다. 기존 방법들이 단순한 투표 전략이나 가우시안 분포와 같은 사전 가정에 의존하는 것과 달리, 본 논문은 SAM의 중간 특징맵이 다양한 해상도의 객체 에지에 해당하며, 이것이 불확실성을 반영한다는 점에 착안합니다. 따라서 다양한 레이어의 SAM 중간 특징맵을 다중 해상도의 객체 에지에 회귀시켜 불확실성과 해상도를 정렬하고, 경량 모듈을 통해 SAM의 중간 특징맵을 점진적으로 융합 및 적응시켜 에지를 추정합니다. 인간의 에지 라벨의 해상도를 불확실성에 맞게 정규화하기 위해 선형 블렌딩을 사용하여 다양한 해상도의 의사 라벨을 생성합니다. 결과적으로, 제안된 방법은 원하는 해상도의 에지를 유연하게 생성하며, SAM 덕분에 우수한 교차 데이터셋 일반화 성능을 보입니다. BSDS500, Muticue, NYUDv2 데이터셋에서의 실험 결과를 통해 성능 우수성을 검증합니다.
