ME1a 14h06 · AC28 형식 모델 비교
보고서 개요 · ME1a 전체 비교와 heatmap · 이 페이지 PNG
ME1a model execution and synthetic optimization
AC28 대시보드와 동일한 모델 순서, 가로 막대 3개, 표 7개 열을 사용합니다. 파라미터·CPU forward는 ME1a 실제 입력의 실행 점검입니다. 오른쪽 손실 변화는 라벨과 무관한 2단계 합성 최적화이며, 마지막 열은 별도 14h06 약한 라벨 학습을 같은 실행에서 평가한 값입니다.
| Model | Output domain | Process fusion | Parameters | CPU forward | Synthetic loss, step 1→2 | Weak-target training result |
|---|---|---|---|---|---|---|
| 2D CNN/U-Net | pixel | FiLM | 37,505 | 49.108 ms | 0.036807 → 0.02885 (+21.6%) | loss 1.0845; AP 0.298; IoU 0.143; Dice 0.250 |
| FNO2d | pixel/field | FiLM | 229,273 | 37.980 ms | 0.028144 → 0.027425 (+2.6%) | loss 0.7652; AP 0.444; IoU 0.143; Dice 0.250 |
| Dense 3D U-Net | voxel | FiLM | 27,249 | 6.551 ms | 0.071276 → 0.066618 (+6.5%) | loss 0.5917; AP 0.097; IoU 0.019; Dice 0.037 |
| Sparse 3D U-Net | sparse voxel | none | 46,432 | 6.479 ms | 0.33151 → 0.3143 (+5.2%) | loss 0.6716; AP 0.112; IoU 0.019; Dice 0.037 |
| PointNet | point | none | 26,561 | 6.312 ms | 0.0063452 → 0.0011302 (+82.2%) | loss 1.4857; AP 0.076; IoU 0.009; Dice 0.017 |
| DGCNN | point | none | 9,025 | 4.705 ms | 0.0090654 → 0.008058 (+11.1%) | loss 1.2980; AP 0.038; IoU 0.065; Dice 0.122 |
| Mesh GNN | CAD node | edge-message | 37,777 | 88.869 ms | 0.0017089 → 0.001134 (+33.6%) | loss 1.1624; AP 0.045; IoU 0.021; Dice 0.040 |
| Risk GNN | CAD node + run | edge-message | 18,694 | 29.727 ms | 0.77117 → 0.74578 (+3.3%) | loss 1.0229; AP 0.253; IoU 0.036; Dice 0.070 |
| UV-Net | B-Rep face | none | 1,601 | 57.157 ms | 0.28433 → 0.28095 (+1.2%) | loss 1.2081; AP 0.011; IoU 0.011; Dice 0.021 |
| Tabular MLP | run | direct concat | 11,457 | 0.047 ms | 0.0022657 → 0.0012911 (+43.0%) | loss 3.465e-08; AP 0.001; IoU 0.000; Dice 0.000 |
CPU 시간은 모델마다 다른 native 입력 크기에서 측정했습니다. 합성 손실은 정확도나 약한 라벨 학습 손실이 아닙니다. 마지막 열은 임시 CSV 유래 약한 라벨에 대한 same-run 진단이며, 모델마다 표현·학습 조건이 달라 일반화 순위로 사용할 수 없습니다. 입력 기록: smoke JSON · 약한 라벨 기록: CAD prediction JSON · 표 수치 JSON · 생성 코드.