본 논문은 시각 기반 자율 주행 기술의 발전과 함께 중요성이 증대된 보행자 검출에서, 복잡한 교통 환경 하에서 발생하는 보행자의 관절점(keypoint) occlusion 문제를 해결하기 위한 새로운 실시간 보행자 자세 완성 프레임워크인 SDR-GAIN(Separation and Dimensionality Reduction-based Generative Adversarial Imputation Nets)을 제안한다. SDR-GAIN은 기존의 occlusion 패턴 구분 방식과 달리, 관절점 좌표의 수치적 분포로부터 직접 사람의 자세를 학습하고 누락된 위치를 보간한다. 경량의 생성자 네트워크와 잔차 구조를 사용하며, 자기 지도 학습 방식의 적대적 학습을 통해 누락된 관절점을 완성한다. 여러 자세 표준화 기법을 통합하여 학습 과정의 어려움을 완화한다. COCO와 JAAD 데이터셋 실험 결과, SDR-GAIN은 기존의 머신러닝 및 Transformer 기반 누락 데이터 보간 알고리즘보다 정확하게 occluded된 보행자 관절점을 복원하며, 마이크로초 수준의 실시간 추론 속도를 달성함을 보여준다.
