AdaOcc: 적응 해상도 점유 예측

복잡한 도시 시나리오에서 자율 주행은 3D 인식이 포괄적이면서도 정밀해야 합니다. 전통적인 3D 인식 방법은 객체 검출에 집중하여 환경 세부 정보가 부족한 희소 표현을 생성합니다. 최근 접근법은 차량 주변의 3D 점유를 추정하여 보다 포괄적인 장면 표현을 제공합니다. 그러나 밀집 3D 점유 예측은 계산 요구량을 증가시켜 효율성과 해상도 사이의 균형을 어렵게 만듭니다. 고해상도 점유 그리드는 정확도를 제공하지만 상당한 계산 자원을 필요로 하고, 저해상도 그리드는 효율적이지만 세부 정보가 부족합니다. 이러한 문제를 해결하기 위해, 저희는 AdaOcc를 소개합니다. 이는 새로운 적응 해상도 다중 모달 예측 접근법입니다. 본 방법은 객체 중심 3D 재구성과 전체 점유 예측을 하나의 프레임워크 내에서 통합하여 관심 영역(ROI)에서만 매우 상세하고 정밀한 3D 재구성을 수행합니다. 이들 고해상도 3D 표면은 점군(point cloud)으로 표현되어 점유 맵의 사전 정의된 그리드 해상도에 제한받지 않는 정밀도를 가집니다. nuScenes 데이터셋에서 광범위한 실험을 수행한 결과 기존 방법보다 유의미한 성능 향상을 입증했습니다. 근거리 시나리오에서는 IOU 기준으로 이전 베이스라인을 13% 이상, 하우스도르프 거리에서는 40% 이상 능가했습니다. 요약하면, AdaOcc는 다양한 주행 시나리오에서 정확한 3D 의미론적 점유 예측을 제공하기 위한 보다 유연하고 효과적인 프레임워크를 제시합니다.