연구진이 악천후 속 자율 주행의 안전성을 높이기 위해 새로운 자가 지도 심층 추정 파이프라인을 개발했어요.
Uncertainty-Aware Multi-Teacher Distillation 방식으로 다양한 악천후 입력 데이터를 활용한 교사 모델을 생성하고, 불확실성을 고려한 지식 증류 손실 가중치를 적용했어요.
POV-BEV Radar Fusion 기술을 통해 카메라 시점(POV)과 레이더의 탑다운 뷰(BEV)를 연결하여 더 많은 레이더 데이터를 활용하고, 다양한 악천후 데이터셋에서 최고 성능을 달성했어요.