PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2610.13891v1cs.CV

눈송이를 넘어서: LiDAR 객체 검출에서 날씨 영향과 교란 메타 요인의 분리

Beyond the Snowflakes: Disentangling Weather Effects from Confounding Meta-Factors in LiDAR Object Detection

라이다(LiDAR, Light Detection and Ranging)는 자율 인지(autonomous perception)에 필수적이지만, 악천후에서 성능이 저하되는 것으로 알려져 있다. 기존 문헌은 눈을 성능을 저하시키는 대기 잡음(atmospheric noise)으로 모델링하지만, WADS-3D 및 CADC 데이터셋(dataset)에 대한 우리의 세밀한 평가는 반직관적인 현상을 드러낸다: 눈의 강도가 증가할수록 검출 정확도가 지속적으로 향상된다. 어블레이션 연구(ablation study)와 메타 정보 분석을 통해, 우리는 내리는 눈이 잡음으로 작용하는 것은 맞지만 그 부정적 영향이 동시에 발생하는 더 지배적인 요인, 즉 객체 포인트 수(object point count)의 상당한 증가에 의해 상쇄된다는 것을 확인하여 이를 설명한다. 우리는 이러한 객체 포인트 수 증가가 기하학적 향상(geometric enhancement)으로 작용한다고 가정하며, 이는 눈 축적이 차량 표면적을 증가시키고 정반사(specular reflectance)에서 난반사(diffuse reflectance)로의 전환을 유발하기 때문이라고 본다. 우리의 연구 결과는 상관된 객체 수준 데이터를 고려하지 않고 넓은 날씨 심각도 구간(weather-severity bin)을 사용하여 인지 시스템을 평가하면 검출기의 견고성(robustness)에 대해 오해를 불러일으키는 결론으로 이어질 수 있음을 보여준다. 우리는 정확한 평가를 위해서는 대기 잡음과 표면 축적 효과를 분리해야 한다고 결론짓고, 이러한 물리적 모델을 검증하기 위한 향후 연구 방향을 제시한다. WADS-3D 데이터셋은 다음에서 확인할 수 있다: https://digitalcommons.mtu.edu/wads-3d/.

arXiv:2606.11989v1cs.CV

명목 강도에서 등가 강우량으로: 자율주행 인식 테스트에서 시뮬레이션 강우의 경로 기반 신뢰성 평가 프레임워크

From Nominal Intensity to Equivalent Rainfall: A Path-Based Credibility Evaluation Framework for Simulated Rainfall in Autonomous-Driving Perception Tests

신뢰할 수 있는 시뮬레이션 강우 조건은 자율주행에서 인식 시스템의 한계를 파악하고 SOTIF 기반 위험 평가를 지원하는 데 필수적이다. 그러나 폐쇄 환경 테스트는 흔히 명목 강우 강도나 단일 지점 측정값만으로 기술되어, 시뮬레이션 강우장을 실제 강우와 정렬하고 테스트 결과를 실세계 시나리오에 매핑하기 어렵다. 본 논문은 자율주행 인식 테스트에서 시뮬레이션 강우에 대한 경로 기반 신뢰성 평가 방법을 제안한다. 실제 강우의 우적 크기와 낙하 속도 결합 분포를 기준으로 삼아, 각 후보 경로를 경로 등가 강우 강도, 불확실성 구간, 경로 평균 빗방울 분포 사실성(RRD) 점수로 표현한다. 또한 라이다 타겟 포인트 클라우드 개수와 평균 반사율을 인식 일관성 보정에 활용하여, 각 시뮬레이션 강우 경로가 실제 강우 인식 효과를 대리하는 능력을 정량화한다. 실험은 약 10,000개의 실제 강우 우적 스펙트럼 샘플, 728개의 RainSense 인식 샘플, 그리고 2.4 m × 7.2 m 시뮬레이션 강우 영역 내 45개의 공간 샘플링 지점을 사용하여 수행되었다. 결과는 동일한 명목 조건 하에서도 공간적 비균일성이 존재함을 보여주며, 경로 기반 평가의 필요성을 확인한다. 제안 방법은 Path IV와 Path VI를 선호 후보로 식별하였으며, 각각 11.54 ± 0.31 mm/h(RRD = 0.43)와 8.28 ± 0.34 mm/h(RRD = 0.46)의 결과를 나타냈다. 이 경로들은 강우 강도 안정성, 우적 스펙트럼 사실성, 인식 일관성 면에서 보다 균형 잡힌 성능을 보인다. 제안된 방법은 강우 조건에서의 자율주행 인식 테스트에서 경로 선택, 조건 기술, 신뢰성 있는 결과 해석을 지원한다.