SIRA: 레이더 인식을 위한 확장 가능한 프레임 간 관계 및 연관성

전통적인 레이더 특징 추출은 공간 해상도가 낮고, 노이즈, 다중 경로 반사, 유령 대상의 존재, 그리고 움직임 블러 등의 문제로 제한을 받습니다. 이러한 제한은 특히 자기 중심적 시점에서 비선형 물체 운동으로 인해 더욱 심각해질 수 있습니다. 이에 대한 도전 과제를 해결하기 위해서는 시간적 특징 관계를 확장된 시평면에서 활용하고 공간적 운동 일관성을 강화하여 효과적인 연관성을 확보하는 것이 핵심입니다. 이를 위해 본 논문에서는 두 가지 설계를 포함하는 SIRA (Scalable Inter-frame Relation and Association)를 제안합니다. 첫째, Swin Transformer에서 영감을 받아 시간적 특징 관계를 확장하여 기존의 시간적 특징 관계 층을 연속된 두 프레임에서 여러 프레임 간으로 일반화하고, 시간적으로 재구성된 윈도우 주의력을 사용하여 확장성을 제공합니다. 둘째, 관측 데이터에서 생성된 가상 트랙릿(pseudo-tracklet) 개념을 도입하여 더 나은 궤도 예측과 후속 물체 연관성을 위한 운동 일관성 트랙을 제안합니다. 본 접근법은 Radiate 데이터셋에서 방향성 물체 검출에 대해 58.11 [email protected]와 다중 물체 추적에 대해 47.79 MOTA를 달성하며, 각각 기존 최신 기술(state-of-the-art)보다 +4.11 [email protected]와 +9.94 MOTA만큼 우수한 성능을 보입니다.