연구진은 자율 주행 시스템의 신뢰성 저하 원인으로 훈련 데이터 분포의 차이를 지적하며, 시각 이상 감지(VAD) 기술을 활용하여 이를 해결하고자 합니다.
VAD는 훈련 데이터에 없는 이례적인 객체를 식별하여 운전자에게 경고를 제공하며, 위험 요소에 대한 운전자의 주의를 집중시키는 데 도움을 줍니다.
AnoVox 데이터셋을 활용한 8가지 VAD 방법의 벤치마킹 결과, Tiny-Dinomaly 모델이 메모리 비용을 줄이면서도 우수한 정확도와 효율성을 보여주었습니다.