분리된 RoadTopoFormer

자율 주행을 실현하기 위해서는 주행 시나리오를 이해하는 것이 중요합니다. 이전 연구에서는 지도 학습과 조감도 차선 검출 등에서 차선 인스턴스 간의 연결 관계를 무시하였으며, 교통 요소 검출 작업은 일반적으로 차선과의 관계를 고려하지 않았습니다. 이러한 문제들을 해결하기 위해, 4개의 하위 작업을 포함하는 작업이 제시되었습니다. 이 하위 작업들은 교통 요소 검출, 차선 중심선 검출, 차선 간 연결 관계 추론, 그리고 차선과 교통 요소 간 할당 관계 추론을 포함합니다.우리는 이러한 문제들을 해결하기 위해 분리형 RoadTopoFormer를 제안합니다. 이는 차선 중심선과 교통 요소를 감지하고 그들 사이의 관계를 추론하는 엔드투엔드 프레임워크입니다. 각 모듈 간의 상호작용을 방지하기 위해 개별적으로 최적화하고, 소수의 미세 조정(finetune)으로 전체적으로 통합하였습니다. 두 개의 감지 헤드에 대해서는 DETR 유사 구조를 채택하여 객체를 감지하였으며, 관계 헤드에 대해서는 앞서 사용된 감지기에서 얻은 두 개의 인스턴스 특성을 결합(concat)하여 분류기에 입력하여 관계 확률을 얻었습니다.최종 제출 결과는 0.445 OLS(Overall Lane Score)를 달성하였으며, 이는 하위 작업 및 복합 점수 모두에서 경쟁력이 있습니다.