연구진은 자율 주행의 정확한 이상 객체 감지를 위해 공간 논리 추론 기반 도로 이상 현상 감지(LARAD)를 제안했어요. 기존 방법은 텍스처 новизну에 의존하여 공간적 맥락을 무시하는 한계가 있었어요. LARAD는 Spatial-Logic Violation Synthesis(SLVS) 파이프라인을 통해 공간적으로 유효하지 않은 훈련 샘플을 생성하여 모델이 맥락적 위반을 학습하도록 유도해요.
표준 폐쇄형 분할 네트워크에 가벼운 OoD 가이드 어텐션 브랜치를 추가하여 논리적 이상 현상에 대한 강건성을 향상시켰어요. 실험 결과, LARAD는 새로운 최고 성능을 달성하며 단일 모델 아키텍처의 높은 효율성을 유지했어요.
LARAD는 텍스처 новизну에 의존하는 기존 방법의 한계를 극복하고 공간적 논리를 활용하여 자율 주행의 안전성을 높이는 데 기여할 것으로 기대돼요.