시각 재교정 및 엔티티 재구성을 통한 훈련 불요 터널 결함 검사 및 공학적 해석

요약

본 논문은 터널 검사 분야의 어려움을 해결하기 위해 'TunnelMIND'라는 훈련 불요(training-free) 프레임워크를 제안합니다. 기존 모델들이 제공하는 거친 결함 제안을 넘어, TunnelMIND는 시각적 일관성 재교정 과정을 통해 신뢰도 높은 결함 위치 정보를 얻습니다. 최종적으로 이 정보는 범주, 위치, 기하학 등 구조화된 엔티티로 재구성되어 공학 보고서 작성 및 전문가 검색 기반 설명에 활용될 수 있습니다.

핵심 포인트

• TunnelMIND는 터널 검사를 위한 훈련 불요(training-free) 프레임워크를 제시합니다.
• 기존 모델의 한계였던 거친 결함 제안을 시각적 일관성 재교정으로 개선하여 신뢰도를 높였습니다.
• 결함 마스크는 단순한 출력을 넘어, 범주, 위치, 기하학 등 구조화된 엔티티로 재구성됩니다.
• 이러한 구조화된 증거는 공학자가 읽을 수 있는 보고서 생성 및 검색 기반 설명에 직접 활용될 수 있습니다.