새로 도입되는 차량에는 다양한 부가 기능이 탑재되며, 각 기능은 서로 다른 센서로부터 데이터를 활용한다. 이러한 관련 기능 중 두드러진 예가 자율주행이며, 이는 복수의 센서와의 협력 하에 수행된다. 해당 센서들은 주로 영상 센서, 깊이 센서, 그리고 야간용 적외선 감지 기술을 포함하며, 대부분 영상 처리 방법을 기반으로 데이터를 생성한다. 본 논문에서는 계단식(stairway)으로 입력 데이터의 크기를 점진적으로 축소하는 방식에 착안하여, 병렬 트랜스포머(parallel transformer) 설계를 활용하는 모델을 제안한다. 이를 통해 이러한 데이터의 효과적인 활용과 효율적인 학습이 가능하다. 기존의 DETR과 비교할 때, 본 모델은 더 작은 데이터셋으로도 효과적으로 학습될 수 있음을 보여주며, 빠른 수렴 성능을 달성한다. 분류(classification) 측면에서는 ViT-Base 대비 약 6.75배의 연산 요구량을 감소시키면서도 정확도 오차 범위 ±3% 내를 유지하여 계산 부담을 현저히 줄인다. 또한 물체 검출(object detection)을 위한 데이터 입력의 변동으로 인해 센서 위치가 소폭 어긋날 수 있는 경우에도, 시야(field of view)를 고려한 차이에 영향을 받지 않고 일관된 결과를 산출한다. 제안하는 모델은 Stairwave로 명명되며, 계단과 같은 형태를 유지하는 병렬 구조를 특징으로 한다.

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