본 연구에서는 해상 환경에서 전방위(omnidirectional) 영상을 효율적이고 실시간으로 의미론적 분할(semantic segmentation)하기 위한 이중 분기 집계 네트워크인 DBANet을 소개한다. 이 분야의 연구 및 평가를 지원하기 위해, 해상 전방위 이미지 분할의 공백을 메우는 해상 전방위 의미론적 분할 데이터셋 또한 제시한다. 전방위 시각 시스템은 360도 인지 능력으로 인해 점차 인기를 얻고 있으나, 넓은 시야각은 상당한 계산 요구를 수반하며, 이러한 시나리오에서의 의미론적 분할을 위한 포괄적인 평가 방법은 여전히 제한적이다. 우리의 접근은 해상 수상(surface) 차량을 위한 지능형 인지(intelligent perception)에 적용 가능한 견고하고 계산적으로 효율적인 해결책을 제공함으로써 이러한 과제를 해결한다. 실험 결과는 DBANet의 성능을 보여주며, MODSS 데이터셋에서는 4.94 FPS에서 92.36 mIoU를, MaSTr1325 데이터셋에서는 30.25 FPS에서 85.08 mIoU를 달성하여 정확도와 효율성 모두에서 기존의 최신(state-of-the-art) 모델을 능가한다.

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