YOLO26 백본 기반 비우개 모델 공개

YOLO26의 깊이 추정 모델이 학습한 CSPDarknet 백본과 PAN-FPN neck 가중치를 이미지 비우개(image deraining) 작업으로 전이하는 실험 결과가 공개됐다. 깊이 추정은 검출보다 이미지 복원과 유사한 밀집 회귀(dense regression) 작업이므로, 해당 아키텍처가 다른 밀집 회귀 작업에도 효과적으로 전이될 수 있음을 검증했다.

아키텍처 변경 사항

기존 깊이 헤드를 제거하고 새로운 RGBHead를 도입했다. 비우개는 픽셀 단위 정확도가 필요하므로, 깊이 모델이 멈추던 1/4 해상도에서 멈추지 않고 입력 해상도까지 복원하는 재구성 꼬리(reconstruction tail)를 추가했다. 또한, 세부 디테일 손실을 방지하기 위해 stride-2와 stride-4 백본 레이어에서 꼬리로 **스킵 연결(skip connections)**을 적용했으며, 출력은 원본 이미지에 보정값을 더하는 잔차(residual) 방식으로 설계했다.

성능 및 배포

ClearView 라이브러리의 혼합 합성/실제 비 데이터셋과 Charbonnier 손실 함수를 사용하여 학습 및 평가가 진행됐다. 공개된 모델은 **nano(5.25M 파라미터)**와 small(12.13M 파라미터) 두 가지 스케일이다. YOLO26-depth 체크포인트를 로드할 때 백본과 neck의 468개 텐서가 정확히 일치하며, 이는 사전 학습된 가중치가 비우개 작업에서도 유효하게 작용함을 시사한다.