CurveFormer: 곡선 쿼리와 주의를 이용한 곡선 전파에 의한 3D 차선 검출

3D 차선 검출은 자율 주행 시스템의 중요한 부분입니다. 이전의 CNN 및 Transformer 기반 방법들은 일반적으로 전방 이미지에서 새의 눈 시점(BEV) 특성 맵을 먼저 생성한 후, BEV 특성 맵을 입력으로 사용하는 하위 네트워크를 통해 3D 차선을 예측하였습니다. 이러한 접근 방식은 BEV와 전방 시점 사이의 명시적인 뷰 변환을 필요로 하며, 이는 여전히 어려운 문제입니다. 본 논문에서는 CurveFormer라는 단일 단계 Transformer 기반 방법을 제안합니다. 이 방법은 3D 차선 매개변수를 직접 계산하며, 어려운 뷰 변환 단계를 우회할 수 있습니다. 구체적으로, 곡선 쿼리를 사용하여 3D 차선 검출을 곡선 전파 문제로 정식화하였습니다. 3D 차선 쿼리는 동적이고 순서가 있는 앵커 포인트 집합으로 표현됩니다. 이렇게 함으로써 Transformer 디코더에서 곡선 표현을 가진 쿼리들이 반복적으로 3D 차선 검출 결과를 개선합니다. 또한, 곡선 쿼리와 이미지 특성 간의 유사성을 계산하기 위해 곡선 크로스-어텐션 모듈이 도입되었습니다. 더불어, 곡선 쿼리의 상대적인 이미지 특성을 더 많이 포착할 수 있는 컨텍스트 샘플링 모듈이 제공되어 3D 차선 검출 성능을 더욱 향상시키는데 기여합니다. 우리는 합성 데이터셋과 실제 세계 데이터셋 모두에서 우리의 방법론에 대한 3D 차선 검출 평가를 수행하였으며, 실험 결과는 최신 접근 방식들과 비교하여 유망한 성능을 달성함을 보여주었습니다. 각 구성 요소의 유효성은 감소 연구(ablation studies)를 통해 확인되었습니다.