연구진은 제한된 환경에서 작동하는 자율주행 안전 시스템을 위해 인스턴스 기반 지식 증류 프레임워크를 제안했어요. 교사 모델의 편향을 줄이고 기초 모델의 인스턴스 중심 지식을 활용하여 의사 레이블을 생성하는 방식이에요. 결과적으로 FLOPs는 22.68배, 파라미터는 14.33배 감소하고 저가 엣지 장치에서 6.46 FPS를 달성했어요.
연구진은 대규모 컨트리 클럽 데이터셋을 구축하고 제안 시스템의 현장 검증을 수행했어요. 실험 결과, 학생 모델은 인스턴스 분할에서 교사 모델을 능가하는 동시에 단안 깊이 추정 성능 저하를 완화했어요.
제안된 시스템은 전방 장애물을 감지하고 자동 안내 차량 작동을 위해 컨트롤러 영역 네트워크 메시지에 공간 정보를 인코딩하며, 여러 개의 밀집 예측 작업을 실시간으로 수행해요.