리서치 연구
FrameScope: Temporal Data Valuation for Stream Active Learning in Autonomous Vehicle Systems
ARarXiv
자율주행차는 끊임없이 변화하는 환경에 대응하기 위해 지속적인 학습이 필수적이며, 본 논문은 시간적 데이터 가치를 평가하여 핵심 프레임을 선별하는 'FrameScope'를 제안합니다.
세 줄 요약
- FrameScope는 신경 접선 커널 이론을 시간 영역으로 확장하여 데이터를 분석하며, 차량 자체에서 고가치 프레임만 선별해 클라우드에 레이블링을 요청하는 방식으로 작동합니다.
- 이 방식은 기존 대비 샘플 효율성을 높이고 치명적 망각을 줄여 자율주행차의 인식 성능을 향상시키고, 대역폭 요구량까지 획기적으로 낮춥니다.
- 동적 환경에서 발생하는 방대한 데이터를 효과적으로 처리하며, 경량화된 클라우드 서비스 연동으로 확장 가능한 자율주행 시스템 구축에 최적입니다.
자율주행차는 끊임없이 변화하는 환경에 대응하기 위해 지속적인 학습이 필수적이며, 본 논문은 시간적 데이터 가치를 평가하여 핵심 프레임을 선별하는 'FrameScope'를 제안합니다.