다음은 요청하신 내용을 기준으로 한국어로 번역한 결과입니다: 다음은 요청하신 내용을 기준으로 한국어로 번역한 결과입니다:

다중스펙트럼 보행자 탐지는 색상 이미지와 열 이미지에서 제공하는 보완적인 시각 정보를 활용함으로써 더 정확하고 신뢰할 수 있는 보행자 탐지 결과를 제공할 수 있기 때문에 다양한 응용 분야에서 중요한 가치를 지닌 과제이다. 그러나 이는 두 가지 열린 문제이자 도전적인 과제를 안고 있다. 첫째, 다양한 모달리티의 신뢰도에 따라 다중스펙트럼 정보를 효과적이고 동적으로 통합하는 방법을 고안하는 것이며, 둘째, 신뢰할 수 있는 예측 결과를 도출하는 것이다. 본 논문에서는 다중스펙트럼 보행자 탐지에 있어 신뢰도를 고려하는 새로운 방법인 CMPD(Confidence-aware Multispectral Pedestrian Detection)를 제안한다. 이 방법은 다중스펙트럼 표현을 유연하게 학습하면서 동시에 신뢰도 추정을 통해 신뢰할 수 있는 예측 결과를 동시에 생성한다. 구체적으로, 특징 수준에서 다중 수준의 다중스펙트럼 표현을 추출하기 위해 밀집 통합(dense fusion) 전략을 처음으로 제안한다. 그 후, 각 모달리티에 대한 탐지 신뢰도를 동적으로 추정하기 위해 보조적인 신뢰도 하위 네트워크를 도입한다. 마지막으로, 보정된 신뢰도를 기반으로 덤페스터의 조합 법칙(Dempster's combination rule)을 활용하여 다양한 브랜치의 결과를 융합한다. 제안하는 CMPD 방법은 다중 모달리티 정보를 효과적으로 통합할 뿐만 아니라 신뢰할 수 있는 예측을 제공함을 입증하였다. 광범위한 실험 결과는 기존 최첨단 기법들과 비교하여 본 알고리즘의 우수한 효율성을 입증하고 있다.