CARLANE: 시뮬레이션에서 다수의 실세계 도메인으로의 비지도 도메인 적응을 위한 차선 검출 벤치마크

비지도 도메인 적응(unsupervised domain adaptation)은 레이블이 있는 소스 도메인에서의 모델을 레이블이 없는 타겟 도메인으로 전이함으로써 도메인 편차(domain shift)를 완화할 수 있는 큰 잠재력을 보여주고 있다. 비지도 도메인 적응은 다양한 복잡한 비전 작업에 적용되었지만, 자율주행을 위한 차선 탐지에 집중한 연구는 여전히 드물다. 이는 공개적으로 이용 가능한 데이터셋이 부족하기 때문이라고 볼 수 있다. 이러한 방향의 연구를 촉진하기 위해, 우리는 2D 차선 탐지를 위한 3방향(sim-to-real) 도메인 적응 벤치마크인 CARLANE을 제안한다. CARLANE는 단일 타겟 데이터셋인 MoLane과 TuLane, 그리고 다중 타겟 데이터셋인 MuLane를 포함하고 있으며, 이들 데이터셋은 세 가지 서로 다른 도메인에서 구축되었으며, 다양한 시나리오를 포괄하고 총 163,000개의 고유 이미지(중 118,000개는 레이블링됨)를 포함한다. 또한, 프로토타입 기반 교차 도메인 자기지도 학습(Prototypical Cross-domain Self-supervised Learning)을 기반으로 한 본 연구의 자체 방법을 포함해 체계적인 벤치마크를 평가하고 보고한다. 평가 결과, 비지도 도메인 적응 방법의 거짓 양성률과 거짓 음성률은 완전히 지도 학습 기반 벤치마크에 비해 높은 것으로 나타났다. 이는 차선 탐지 분야의 비지도 도메인 적응 연구를 더욱 강화하기 위해 CARLANE와 같은 벤치마크의 필요성을 확인시켜 준다. CARLANE 데이터셋, 평가된 모든 모델 및 관련 구현 코드는 공개적으로 https://carlanebenchmark.github.io 에서 제공된다.