본 연구는 자율주행차의 장면 분석 성능 향상을 위한 협업 도메인 적응(UCDA) 프레임워크를 제시합니다. 기존 방법의 한계를 극복하기 위해 여러 사전 학습된 모델의 지식을 통합하여 새로운 환경에 적응합니다. UCDA는 클래스별 프로토타입 메모리 뱅크를 구축하고 모델 간 예측 신뢰도를 추정하여 일관성 없는 신뢰도 문제를 해결합니다. 실험 결과, UCDA는 다양한 주행 환경에서 장면 분석의 신뢰성과 일반화 성능을 향상시켰습니다.
UCDA는 여러 사전 학습된 모델을 활용하여 레이블 없는 타겟 도메인 데이터에 대해 협력 최적화를 수행하고, 검증된 전문 지식을 단일 타겟 모델에 통합합니다. 이를 통해 다양한 주행 환경에서 자율주행차의 장면 분석 성능을 개선합니다.
공개 데이터셋과 실제 자율주행 플랫폼에서 수집한 데이터로 평가한 결과, UCDA는 여러 소스 모델의 상호 보완적인 지식을 효과적으로 통합하는 것을 입증했습니다.
UCDA는 원본 소스 데이터를 사용하지 않는 환경에서 여러 모델의 지식을 활용하여 자율주행차의 장면 분석 성능을 향상시키는 새로운 접근 방식입니다.