하나의 작업을 넘어서
실제 주행 인지에는 복잡도가 다른 여러 작업이 필요하다. BDD100K는 하나의 자료에서 소수 작업만 연구하는 제약을 줄이고 다양한 과제를 함께 다루도록 구성됐다.
관측 조건의 다양성
지역과 환경, 날씨의 차이가 있는 주행 영상을 포함한다. 특정 조건에만 익숙한 모델이 새로운 상황을 만났을 때의 문제를 연구하는 기반이다.
이질적인 다중 작업
자료를 바탕으로 이질적 다중 작업 학습 벤치마크를 구성했다. 모든 과제가 같은 성격이나 난도를 갖는다고 가정하지 않고 함께 학습하는 전략을 비교한다.
학습 전략의 평가
논문은 기존 모델이 이질적인 과제를 함께 수행하려면 특별한 학습 전략이 필요하다고 보고했다. 데이터의 규모뿐 아니라 과제 간 관계와 학습 구성을 살피는 데 초점을 맞춘다.