주요 특징

• 출력 형태를 밀도 맵(density map) 대신 이산적인 인스턴스 점으로 잡았습니다. 밀도 맵 방식은 총합만 맞으면 되기 때문에 어느 개체를 세었는지 확인하기 어렵지만, 점 예측은 카테고리 조건부 카운팅과 공간적 위치 파악을 한 형식으로 통합해 결과를 눈으로 검증할 수 있게 합니다. 사용자는 카테고리 이름을 주거나 자연어 질의로 대상을 지정합니다.
• 크기와 밀집도가 극단적으로 다른 대상을 두 개의 카운터로 나눠 처리합니다. Region-level Sparse Counter(RSC)는 크고 드문드문 흩어진 객체에 객체 단위 앵커링을 제공하고, Pixel-level Dense Counter(PDC)는 작고 빽빽하며 경계가 흐릿한 대상을 조밀한 점 예측으로 잡아냅니다. 두 결과는 학습 파라미터가 없는 Complementary Count Fusion(CCF)으로 합쳐지며, 중복 카운트를 억제하면서 서로의 강점은 유지하도록 설계됐습니다.
• 이질적인 라벨을 점 중심 지도학습으로 통일했습니다. 박스, 점, 폴리곤, 마스크, 회전 박스, 라벨 맵 등 원본 데이터셋마다 제각각인 주석을 카운팅 점(선택적으로 박스 포함)으로 변환하고, 모든 유효 인스턴스는 점으로 지도하되 신뢰할 만한 박스 주석이 있을 때만 박스를 보조로 씁니다. 덕분에 주석 형식이 다른 공개 데이터를 하나의 카운팅 벤치마크로 묶을 수 있었습니다.
• 학습·평가 기반인 CLOC(Cross-domain Large-scale Object Counting)은 약 22만 장의 이미지, 619개 카테고리, 1500만 개 객체 인스턴스 규모입니다. 2026년 7월 2일에는 테스트 세트 주석을 수작업으로 재검토해 명백한 노이즈가 있는 샘플을 제거하거나 재주석한 CLOC-v1.1이 공개됐습니다. 다만 원본 데이터셋의 라이선스·재배포 제한 때문에 전체 이미지 세트는 직접 배포하지 못하고, 재주석 결과인 주석 파일과 재배포 가능한 증강 이미지만 공개하며 나머지는 원본 출처에서 받아 재구성하는 절차를 안내합니다.
• SAM3를 초기화 지점으로 삼아 학습하는 구조라 파인튜닝 경로가 열려 있습니다. 추론이나 재현만 할 경우 Hugging Face에 올라온 count_anything.pt 체크포인트 하나만 있으면 되고, 직접 학습하려면 라이선스 문제로 저장소가 재배포하지 않는 facebook/sam3 가중치를 따로 받아 pretrained/sam3.pt에 배치해야 합니다(SAM3.1이 아닌 SAM3). 2026년 7월 20일 갱신된 CLOC-v1.1 평가에는 NVIDIA의 LocateAnything-3B가 비교 대상으로 추가됐고, 전체 테스트 세트와 여섯 도메인 모두에서 Count Anything이 더 나은 카운팅 성능을 보였다고 보고합니다.