모빌리티 비전에서의 정합성 기반 인식 및 강건화

Representation and Compatibility-Driven Robust Perception for Mobility Vision

연구 내용

객체·차선·드론 장면 등 모빌리티 비전 과업에서 해상도·공간 주의·정합성 전략을 조합해 성능 저하를 완화하는 연구

모빌리티 환경에서는 조명 변화, 배경 복잡도, 작은 대상, 부분 가림 등으로 인해 순수 비전 모델의 성능이 변동합니다. 본 연구는 슈퍼해상도와 객체 검출의 결합에서 모델 적합성을 분석하고, SR 지표가 검출 성능과 연동되는 구성을 통해 작은 객체 인식 성능을 개선합니다. 또한 사전학습 모델을 오라클로 사용하는 공간 주의 기반 정규화로 차선 검출의 일반화 특성을 강화합니다. 나아가 드론 촬영 3D 장면에서 3D Gaussian Splatting의 VRAM 병목을 줄이기 위한 장면 분할 및 점 보충 전략으로 대규모 재구성 효율을 확보합니다.

관련 프로젝트

2건

연구 흐름

연구 흐름은 2024년 객체 검출 성능 저하 원인을 이미지 품질 관점에서 정의하고, 슈퍼해상도-검출 결합의 구조적 호환성을 분류·검증하는 단계로 시작됩니다. 이후 2025년에는 차선 검출에서 domain-agnostic 공간 정보를 보존하면서 사전학습 지식을 정규화로 전이하는 SAMIRO 계열 방법을 제안합니다. 같은 시기에 드론 기반 대규모 3D 재구성에서는 3D Gaussian Splatting의 계산·메모리 제약을 줄이기 위한 장면 분할과 점 보충 전략을 적용하여 품질과 효율을 동시에 다룹니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

소형 객체 탐지 고도화
슈퍼해상도-검출 결합 설계
차선 검출 일반화 향상
공간 주의 기반 정규화
대규모 장면 3D 재구성
드론 기반 매핑 파이프라인
모빌리티 강건 비전 모듈
자율주행 인식 보강
점 보충 기반 품질 개선
효율적 최적화 전략