STINet: 보행자 감지 및 경로 예측을 위한 시공간 상호작용 네트워크

보행자를 감지하고 그에 대한 미래 경로를 예측하는 것은 자율 주행과 같은 여러 응용 프로그램에 있어 중요한 작업입니다. 이전 방법들은 감지와 예측을 별도의 작업으로 처리하거나 단순히 감지기 위에 경로 회귀 헤드를 추가합니다. 본 연구에서는 새로운 end-to-end 2단계 네트워크인 시공간 상호작용 네트워크(STINet)를 제시합니다. 보행자의 3D 기하학 모델링 외에도, 각 보행자에 대한 시간 정보를 모델링합니다. 이를 위해, 우리의 방법은 첫 번째 단계에서 현재 및 과거 위치를 모두 예측하여 각 보행자가 프레임 간에 연결되도록 하며, 두 번째 단계에서 종합적인 시공간 정보를 포착할 수 있도록 합니다. 또한, 상호작용 그래프를 사용하여 물체 간의 상호작용을 모델링하고 이웃 물체 간의 정보를 수집합니다. Lyft 데이터셋 및 최근 출시된 대규모 Waymo 오픈 데이터셋에서의 포괄적인 실험을 통해 제안된 방법의 효과성을 검증하였습니다. Waymo 오픈 데이터셋의 경우, 우리는 보행자에 대한 새총 시점(BEV) 감지 AP 80.73과 경로 예측 평균 변위 오차(ADE) 33.67cm를 달성하였으며, 이는 두 작업에 대한 최신 기술 기준을 수립합니다.