電力線、ひび割れ、車線標示など、幅1～3ピクセルの細線構造の画像セグメンテーションは、従来の手法では大きな課題を抱えていました。標準的なパッチベースの表現手法は連続構造を分断し、従来のスーパーピクセル法は細い対象物を背景に統合してしまうため、構造の接続性を保つことが困難だったのです。 新しく提案されたSEMIRフレームワークは、この問題を根本から解決する革新的なアプローチを採用しています。ピクセル格子を、収縮基準の下で細線構造の接続性を保持するパラメータ化グラフマイナーに置き換えることで、従来の制限を克服しました。このグラフマイナーは数百万ピクセルを数十～数百の境界整列スーパーノードに縮約でき、パッチ処理なしで21メガピクセルまでのスケールでのフル解像度推論を実現します。 SEMIRのパイプラインでは、軽量なグラフニューラルネットワーク（GNN）が縮約されたグラフを分類し、正確なマップが予測をピクセル解像度に昇華させます。このアーキテクチャは全てのデータセットで同一の設定を使用しながら、電力線データセット（TTPLA）、舗装ひび割れデータセット（CrackSeg9k）、航空写真車線標示データセット（SkyScapes Lane）において、従来の専用ベースラインと同等かそれ以上の性能を発揮します。DiceスコアやIoU、Boundary F1メトリクスで優れた結果を達成するとともに、マスク断片化をSLIC比で少なくとも4.6倍削減しました。