본 논문은 자율주행 등 동적인 환경에서 안전한 의사결정을 위해 과신으로 인한 환각(hallucination)을 줄이는 YOLO 계열 객체 탐지기의 성능 향상 방안을 제시합니다. 기존 OoD(out-of-distribution) 벤치마크 평가의 부정확성을 지적하며, 기존 OoD 벤치마크 데이터셋에 ID(in-distribution) 객체가 약 13% 포함되어 있고, ID 데이터셋에 OoD 객체가 포함되어 의사결정 경계에 영향을 미친다는 점을 밝힙니다. 이러한 문제를 해결하기 위해, 객체 탐지기와 필터를 결합한 파이프라인을 제안하고, 의미적으로 유사한 OoD 데이터셋을 생성하여 YOLO 탐지기를 미세조정함으로써 객체 점수를 억제하는 방법을 제시합니다. BDD-100K 자율주행 벤치마크에서 전체 환각 오류를 88% 감소시키는 결과를 얻었습니다.
