CADENet: 자율 주행의 악천후 인지를 위한 조건 적응형 비동기 이중 스트림 강화 네트워크

요약

CADENet은 악천후 상황에서 자율 주행 차량의 객체 탐지 성능을 높이기 위해 제안된 학습 불필요(training-free) 방식의 비동기 이중 스트림 네트워크입니다. 기존의 강화 후 탐지 방식이 가진 실시간성 저하 문제를 해결하기 위해, 탐지(Thread S), 강화(Thread Q), 날씨 분류(Thread E)를 분리된 스레드로 처리하여 지연 시간을 최소화합니다. 또한, 데이터 주석의 불완전성으로 인한 평가 한계를 지적하며 재현율(Recall)을 핵심 지표로 제시합니다.

핵심 포인트

• 비동기 이중 스트림 구조를 통해 강화 프로세스가 탐지 속도(약 44 FPS)에 영향을 주지 않도록 설계됨
• CLIP 제로샷 기술을 활용하여 재학습 없이 새로운 날씨 범주에 대응 가능
• 엔트로피 가이드 NMS(EG-NMS)를 통해 강화된 정보와 원본 탐지 결과를 효과적으로 융합
• 악천후 데이터의 주석 불완전성(annotation completeness bias) 문제를 공식화하고 재현율 중심의 평가 필요성 강조