반사광을 활용한 객체 마스크 선택 기법

** 본 논문은 물체 표면에 나타나는 스페큘러 반사(하이라이트)를 활용해 객체 세그멘테이션 마스크를 보다 정확하게 선택하는 새로운 파이프라인인 RePoSeg(Reflection‑aware Post‑processed Segmentation)를 제안한다. 스페큘러 반사는 강한 밝기 변화와 급격한 경계로 인해 전통적인 임계값 기반 방법(Otsu)이나 최신 딥러닝 기반 모델(Mask R‑CNN, YOLO, SAM2)에서 오류를 일으키는 주요 원인이다. 저자들은 이러한 반사가 반드시 물체 표면에 존재한다는 물리적 제약을 이용해, 반사 영역을 먼저 검출하고 그 중심점을 SAM2에 프롬프트로 제공함으로써 다중 마스크를 생성한다. **1. 스페큘러 반사 검출** Y‑채널 히스토그램 탐색, 적응형 임계값, 혹은 기존 연구(