Generative Latent Alignment for Interpretable Radar Based Occupancy Detection in Ambient Assisted Living

기술 요약: 해석 가능한 레이더 기반 점유 탐지를 위한 생성적 잠재 정렬(Generative Latent Alignment)

문제 정의
주변 보조 생활(Ambient Assisted Living, AAL) 환경에서 인간의 존재를 지속적으로 모니터링하는 것은 안전과 자율성을 위해 매우 중요하다. 카메라는 활동 인식을 위해 효과적이지만, 심각한 프라이버시 문제를 야기한다. 밀리미터파(mmWave) 레이더는 조명이나 폐쇄(occlusion)에 강하면서도 프라이버시를 보호할 수 있는 대안을 제공한다. 그러나 존재 탐지를 위해 배치된 딥러닝 모델들은 종종 해석 가능성이 부족하다. 의료와 같이 안전이 중요한 맥락에서 이러한 "블랙박스" 특성은 임상의의 신뢰와 모델 검증을 저해한다. 기존의 센싱을 위한 설명 가능한 AI(XAI) 방법론들은 판별 모델에 대해 사후적(post-hoc)으로 작동하거나, 센서 데이터와 인간이 이해할 수 있는 개념을 정렬하는 데 실패하여, 추상적인 레이더 신호와 의미론적 추론 사이의 간극을 남겨둔다.

방법론
저자들은 레이더의 거리-각도(Range–Angle, RA) 히트맵의 저차원 잠재 표현을 학습하며, 이 표현이 생성적(generative)인 동시에 인간의 개념과 의미론적으로 정렬되도록 설계된 의미론적 레이더 변이형 오토인코더(Variational Autoencoder, VAE)인 생성적 잠재 정렬(Generative Latent Alignment, GLA) 프레임을 제안한다. 이 아키텍처는 세 가지 핵심 구성 요소로 이루어진다:

1. 의미론적 레이더 VAE 백본(Backbone):

   • 입력: 표준 FMCW 처리(Range/Doppler FFT 및 Capon/MVDR 빔포밍)를 통해 추출된 2D RA 강도 특징 맵(224×224, 3 채널).
   • 인코더(Encoder): 4개의 스트라이드 컨볼루션 블록을 가진 경량 컨볼루션 네트워크가 공간 해상도를 224에서 14로 축착시키며, 이후 선형 헤드를 통해 대각 가우시안 분포의 평균($\mu$)과 로그 분산($\log \sigma^2$)을 출력한다.
   • 디코더(Decoder): 전치 컨볼루션(transposed convolutions) 스택이 잠재 벡터 $z$를 업샘플링하여 입력 RA 히트맵을 재구성한다.
   • 학습 목적 함수: 모델은 미세한 RA 구조를 보존하기 위한 이진 교차 엔트로피 재구성 손실($L_{recon}$)과 매끄러운 잠재 매니폴드를 강제하기 위한 KL 발산 항($L_{KLD}$)으로 구성된 증거 하한(Evidence Lower Bound, ELBO)을 최대화한다.

2. 텍스트-앵커 잠재 정렬(Text-Anchor Latent Alignment):

   • 센서 데이터와 인간의 개념 사이의 간극을 메우기 위해, 잠재 평균 $\mu$를 학습 가능한 선형 층 $W$를 통해 투영하고 이를 동결된(frozen) CLIP 텍스트 인코더의 임베딩과 정렬한다.
   • 두 가지 특정 텍스트 프롬프트가 의미론적 앵커 역할을 한다: "사람이 없는 빈 방의 레이더 히트맵(radar heatmap of an empty room without any person)" 및 "방 안에 사람이 있는 레이더 히트맵(radar heatmap of a person present in the room)."
   • 투영된 잠재 표현과 텍스트 앵커 사이의 온도 조절된 코사인 유사도(temperature-scaled cosine similarities)에 대한 교차 엔트로피로 계산되는 정렬 손실($L_{align}$)은, 잠재 공간의 샘플들이 그에 대응하는 의미론적 개념 근처에 클러스터링되도록 유도한다.

3. 잠재 공간 설명 가능성(Latent-Space Explainability, Latent Grad-CAM):

   • 최종 분류 층에 Grad-CAM을 적용하는 대신, 이 방법은 인코더의 세 번째 컨볼루션 블록에 기술을 적응시킨다.
   • 클래스 점수에 대한 특징 맵의 그래디언트를 전역 평균 풀링(global average pooling)하여 채널 가중치를 도출한다. 이 가중치는 특징 맵에 적용되어 $L_{CAM}$을 생성한다.
   • 이 맵은 입력 해상도로 업샘플링되며, 가우시안 섭동(Gaussian perturbations)에 대해 평균화되어 존재 결정(presence decision)을 뒷받침하는 공간 영역에 대한 안정적인 시각화를 생성한다.

주요 결과
프레임워크는 "빈 방"과 "사람 있음" 시나리오를 구분하는 이진 mmWave 레이더 데이터셋을 통해 평가되었다.

• 정성적 해석 가능성: "사람 있음" 샘플의 경우, 잠재 Grad-CAM은 사람의 반사파와 일치하는 조밀하고 날카롭게 국소화된 덩어리(blobs)를 생성한다. 반대로, "빈 방" 샘플은 배경 클러터 및 정적 다중 경로 구조와 일치하는 확산되거나 증거가 없는 형태를 보인다.
• 절제 연구(Ablation Study): 저자들은 관련 없는 텍스트 프롬프트(예: "하늘의 구름")를 사용한 절제 연구를 수행했다. 이 조건 하에서 VAE는 여전히 거친 RA 패턴을 재구성할 수 있었으나, Grad-CAM 설명은 크게 저하되었다: "사람 있음" 클래스는 균일하고 특징 없는 맵을 생성했고, "빈 방" 클래스는 명백한 RA 구조와 일치하지 못했다. 이는 레이더 특화 의미론적 앵커가 의미 있는 국소화된 증거 맵을 생성하는 데 필수적임을 확인시켜 준다.

의의 및 주장
본 논문은 GLA 프레임워크가 복잡한 디코더 헤드나 대규모 언어 모델 생성 파이프라인을 요구하지 않고도 추상적인 레이더 신호와 인간이 이해할 수 있는 개념 사이의 표현 간극을 성공적으로 연결한다고 주장한다. 이 방법은 다음과 같은 특성을 가진 클래스 조건부 증거 맵을 생성한다:

1. RA 구조에 기반함: 시각화 결과가 레이더 반사파의 물리적 기하학적 구조와 일치한다.
2. 의미론적으로 연결됨: 설명이 도메인 특화 개념("비어 있음" vs "사람 있음")과 직접 연결된다.
3. 해석 가능함: 잠재 공간 Grad-CAM의 사용을 통해 운영자가 결정의 이유를 시각화할 수 있게 함으로써, 안전이 중요한 AAL 시스템의 투명성 격차를 해결한다.

저자들은 이 연구를 의료 분야의 신뢰할 수 있는 AI를 향한 단계로 위치시키며, 의미론적 정렬이 경량 아키텍처를 유지하면서도 생성적 레이더 모델의 설명 가능성을 높일 수 있음을 입증하였다.