mask-refinement-module

예측된 인스턴스 마스크의 노이즈와 위치 오프셋을 보정하기 위해 설계된 경량 U-Net 기반 모듈이다. 입력으로 VLM이 예측한 마스크, diffusion 모델의 attention 기반 마스크, 신뢰도 점수, 이미지 잠재 특징을 받아 intra/inter-instance attention과 ResNet 블록을 통해 정제된 마스크를 출력한다. 정제 마스크는 신뢰도가 낮을 때 attention 신호에 더 의존하고 신뢰도가 높을 때 예측 마스크를 유지해 생성 신뢰도를 높인다.