SCENE: 이질적 그래프 신경망을 이용한 교통 장면에 대한 추론

교통 장면을 이해하기 위해서는 동적 에이전트와 정적 인프라에 대한 이질적인 정보를 고려해야 한다. 본 연구에서는 다양한 교통 장면을 이질적 그래프로 표현하고, 이 그래프에 대해 이질적 그래프 신경망 인코더와 작업 특화 디코더를 활용하여 추론하는 방법론 SCENE을 제안한다. 이 이질적 그래프는 온톨로지에 의해 구조가 정의되며, 유형별 노드 특성과 유형별 엣지 특성을 갖는 다양한 노드와 관계로 구성된다. 이러한 그래프가 제공하는 모든 정보를 효과적으로 활용하기 위해, 그래프 컨볼루션의 계단식(카스케이드) 레이어를 제안한다. 그 결과, 장면에 대한 효율적인 인코딩이 가능해진다. 작업 특화 디코더를 적용함으로써 장면의 원하는 특성을 예측할 수 있다. 두 가지 다양한 이진 노드 분류 작업에 대한 광범위한 평가를 통해 본 방법론의 주요 장점이 입증되었다. 즉, 일반적인 접근임에도 불구하고, 특정 작업에 최적화된 기존 베이스라인을 오히려 능가하는 성능을 보였다. 또한 본 방법론을 다양한 지식 그래프 내의 노드 분류 작업에 적용한 결과, 다른 분야로의 전이 가능성(트랜스퍼러빌리티)도 확인할 수 있었다.