NCGR은 BEV 3D 객체 검출에서 카메라 외부 변동으로 인한 성능 저하를 해결하기 위해 제안되었습니다. NCGR은 카메라 특징을 기반으로 2D 정류 오프셋을 예측하고, 이를 통해 이미지 평면 투사 오류를 보정합니다. 훈련 과정에서 노이즈 기반 정보를 점진적으로 제거하여 외부 변동 정보 없이도 추론이 가능하도록 합니다.
nuScenes 데이터셋에서 시뮬레이션된 동적 및 정적 외부 변동을 적용한 실험 결과, NCGR은 39.69%의 NDS를 달성하여 기존 방식 대비 성능이 향상되었습니다. 외부 변동이 없을 때도 BEVFormer와 유사한 성능을 유지합니다.
NCGR은 훈련 시 clean-teacher/perturbed-student 모델을 활용하고 BEV 일관성 객관 함수를 통해 정류 모듈을 학습합니다.