고찰

ㆍ 초기 문제점
      - 여러 객체 탐지 되어도 스코어가 가장 높은 1개만 출력 되도록 설정
        └ 정확도가 떨어지는 문제 발생
      - 사전 학습된 SAM2모델의 기본 자동 Segment만 사용
        └ 배경만 추출되거나, 객체의 일부가 짤리는 현상 발생
      - 입력된 프롬프트와 다른 의미로 번역되는 번역 모델의 한계

ㆍ 개선 과정
      - 여러 결과를 출력 후 사용자에게 선택권을 맡김
      - 모폴로지 처리, GDINO 처리 결과 크롭 이미지의 중심엔 반드시 객체가
         존재하는 아이디어를 이용해 중앙부, 외곽부 차이를 활용하는 후처리 적용
      - 제한적인 비용 및 환경으로 Google Translation API 같은 고급 언어 모델 사용 못함
        └ HuggingFace 공개 모델 중 파인튜닝된 모델로 보완

ㆍ 느낀 점
      - 무조건적인 사전 학습된 모델의 신뢰는 결과에 악영향을 끼침을 깨달음
        └ 추가적인 보정으로 인해 결과가 천차만별로 나타날 수 있음을 느낌
      - 제한적인 비용 및 환경 등으로 다양한 번역 모델에 관한 실험이 어려웠지만,           공개된 모델을 검색 및 적용 과정 자체가 큰 경험이 되었음