우리는 OpenLane-V에 더 다양한 도전적 장면을 포함하도록 확장한 비디오 차선 검출 데이터셋인 OpenLane-V2를 소개하고, 이러한 복잡한 장면에서 eigenlane 표현의 성능을 평가한다. 새 데이터셋에는 만곡된 차선, 저조도 조건, 가림(occlusion), 그리고 문맥으로부터만 추론할 수 있는 보이지 않는 차선과 같은 추가 샘플이 포함된다. 우리는 차선의 저랭크 근사(즉, eigenlanes)에 기반한 순환적 비디오 차선 검출기(recursive video lane detector, RVLD)를 OpenLane-V2에서 다른 최신 검출기들과 비교 평가한다. 그 결과는 eigenlane 표현이 복잡한 실제 차선 검출 시나리오를 처리하는 데에도 효과적임을 보여준다.

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