MC-DeTra: 조감도(BEV) 이미지에서 모션 일관성 통합 객체 검출 및 사회적 맥락 인식 궤적 예측
MC-DeTra: Motion-Consistent Joint Object Detection and Socially-Aware Trajectory Forecasting in Bird's-Eye-View Images
객체 검출과 궤적 예측을 위한 통합 모델은 자율주행에서 인지와 예측을 하나로 묶는 것을 목표로 하며, LiDAR와 고해상도 지도에서 래스터화한 공유 조감도(BEV) 이미지 위에서 액터 궤적을 직접 정교화한다. 그러나 동적이고 움직이는 액터에 대한 정확도는 여전히 이 과제에서 가장 어려운 부분이며, 이러한 모델 중 가장 강력한 DeTra는 공개 구현이 없다. 우리는 문서화된 근사를 포함한 DeTra의 공개 재구현을 제공하고, 그 위에 MC-DeTra를 제안한다. MC-DeTra는 모션 일관성(motion-consistency) 메커니즘 계열로, 각 액터의 관측된 과거 모션과 그 사회적 맥락을 이루는 주변 교통의 점유(occupancy)라는 두 가지 주석 기반 보조 신호를 통한 감독을 추가하고, 액터의 예측 heading을 예측된 운동 방향과 맞추는 하나의 출력 간 일관성 제약을 둔다. 제안된 모든 손실은 학습 전용이며 추론에 안전하다. 즉 공유 BEV 표현을 학습 중 형성하고 테스트 시 제거되어 추론 지연을 추가하지 않는다. Waymo Open 데이터셋에서 엄격한 검출 조건(detection-conditioned) 예측 프로토콜 하에 평가한 결과, MC-DeTra는 동적이고 사회적 맥락에 놓인 궤적 예측을 개선하면서 객체 검출 정확도를 유지하거나 개선한다. 그래디언트 기반 손실 보정(loss-calibration) 분석은 보조 목적 함수가 공유 백본(backbone)에서 어떻게 경쟁하는지 드러내고, 소거(ablation) 실험은 어떤 신호가 가장 크게 기여하는지 식별한다. 코드, 설정, 평가 도구는 https://github.com/diuzhevVlad/MC-DeTra 에 공개한다.