3D 점유(occupancy) 예측은 자율주행에서 장면 전반에 대한 이해를 가능하게 하므로 핵심 인지 과제로 자리잡고 있다. 최근의 방법들은 다중 프레임 융합을 통해 시공간 정보를 통합함으로써 이러한 이해를 향상시키지만, 다음과 같은 상충관계가 존재한다. 즉, 밀집 복셀 기반 표현은 상당한 계산 비용을 요구하는 대신 높은 정확도를 제공하며, 희소 표현은 효율을 개선하지만 공간의 상세 정보를 잃게 된다. 이러한 상충관계를 완화하기 위해, 우리는 DuOcc를 제안한다. DuOcc는 공간적 충실도를 보존하기 위해 밀집 복셀 표현을 유지하면서도 높은 효율을 달성하는 이중 집계(dual aggregation) 전략을 사용한다. DuOcc는 두 가지 핵심 구성요소로 이루어진다. (i) 스트림 기반 복셀 집계(Stream-based Voxel Aggregation)는 시간에 따라 복셀 특징을 반복적으로 누적하고 워핑(warping)으로 인한 왜곡을 억제하도록 이를 정련(refine)하여, 점유 공간과 자유 공간(free space) 사이의 명확한 분리를 보존한다. (ii) 쿼리 유도 집계(Query-guided Aggregation)는 복셀 누적의 한계를 보완하기 위해, 동적 객체가 점유하는 복셀 영역에 인스턴스 수준 쿼리 특징(instance-level query features)을 선택적으로 주입한다. 널리 사용되는 Occ3D-nuScenes 및 SurroundOcc 데이터셋에 대한 실험 결과, DuOcc는 실시간 설정에서 최첨단 성능을 달성하면서, 기존 방법에 비해 메모리 사용량을 40% 이상 감소시키는 것으로 나타났다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.