다중단계 통신 효율·협업 강인성 구현한 mmCooper 프레임워크

초록

mmCooper는 다중 에이전트 환경에서 중간 단계와 후반 단계 정보를 동적으로 선택적으로 공유함으로써 통신량을 최소화하고, 낮은 신뢰도의 센싱 데이터를 차단하며, 보정 오류에 강인한 다중스케일 오프셋 인식 융합과 바운딩 박스 보정 모듈을 도입해 협업 인식 성능을 크게 향상시킨다.

상세 분석

mmCooper는 기존의 단일 단계(조기·중간·후반) 융합 방식이 안고 있던 통신 효율과 인식 정확도 사이의 트레이드오프를 근본적으로 재구성한다. 핵심 아이디어는 장면의 각 위치마다 감지 신뢰도를 평가해 고신뢰 영역은 후반 단계의 경량 바운딩 박스만 전송하고, 중간 신뢰 영역은 중간 단계의 특징 맵을 선택적으로 공유하며, 저신뢰 영역은 전송 자체를 억제한다는 점이다. 이를 위해 논문은 Confidence‑based Filter Generation (CFG) 모듈을 설계했으며, Gumbel‑Softmax를 활용해 이산적인 전송 결정을 미분 가능하게 만든다. 이렇게 얻어진 필터 M_f와 M_b는 각각 중간 특징과 후반 박스에 적용돼 불필요한 데이터 전송을 원천 차단한다.

중간 단계에서는 Multi‑scale Offset‑aware Fusion (MOF) 모듈이 도입된다. MOF는 에이전트 간 위치 오차와 캘리브레이션 노이즈를 보정하기 위해 목표 위치뿐 아니라 주변 영역의 다중 스케일 특징을 교차‑어텐션 방식으로 융합한다. 이 과정에서 공간적 인접 정보를 활용해 미세한 오프셋에도 강인한 특징 정합을 달성한다.

후반 단계에서는 Bounding Box Filtering & Calibration (BFC) 모듈이 작동한다. BFC는 ego 차량이 보유한 풍부한 중간 특징을 이용해 협력 에이전트로부터 받은 저품질 박스를 걸러내고, 남은 박스는 정밀하게 보정한다. 이렇게 정제·보정된 박스와 ego 자체의 탐지 결과를 최종적으로 합쳐 최종 인식 출력을 만든다.

실험에서는 OPV2V, DAIR‑V2X, V2XSet 등 실제 및 시뮬레이션 데이터셋에서 기존 최첨단(SOTA) 방법 대비 AP@0.7이 각각 7.29%, 1.31%, 2.09% 향상되었으며, 통신량은 기존 방법 대비 1/9153~1/18305 수준으로 극단적으로 감소했다. 또한 다양한 통신 대역폭·위치 오차 설정에서도 일관된 성능 우위를 보였다. 이러한 결과는 mmCooper가 통신 제한이 심한 V2X 환경에서 실시간 협업 인식을 구현하기에 충분히 실용적임을 입증한다.

요약하면, mmCooper는 (1) 신뢰도 기반 다중 단계 전송 정책, (2) 오프셋에 강인한 다중 스케일 특징 융합, (3) 후반 단계 박스 정밀 보정이라는 세 가지 핵심 메커니즘을 통해 통신 효율과 인식 정확도, 그리고 캘리브레이션 오류에 대한 강인성을 동시에 달성한다.