Mask-guided Visual Search

마스크 기반 시각 탐색은 후보 박스와 자연어 참조표현을 결합해 referring segmentation 모델로 픽셀 단위 마스크를 획득하고 이를 타겟 중심 크롭으로 확장해 다음 단계의 증거로 사용하는 기법이다. 이 과정은 박스 수준의 잡음을 제거해 후속 추론 입력을 고밀도로 집중시키며 작은 객체의 위치 검출 실패로 인한 반복적 탐색을 줄인다. PixelEyes는 이 기법을 도구 호출(tool-call) 형태로 분리해 일반적 추론기와 별도 작동시킨다.