테슬라의 접근도 처음에(2017~2018년무렵) 다른 자율주행 기업들과 별반 다르지 않았다. 네트워크의 출력을 얻기 위한 입력 데이터는 이미지 단위였다. 이는 **2D 정보(w,h,channel)**만을 사용했다는 것을 시사하는 동시에(ref1,ref2), 비디오가(time,w,h,channel) 사용되지 않았다는 것을 시사하기도 한다.

parse me : 언젠가 이 글에 쓰이면 좋을 것 같은 재료들.

1. deer.a7.1_6. title: 의미를 가진(Semantic) 정보 손실 문제를 해결하기 위해서는 현재 시점에서 손실된 시맨틱 정보를 가지고 있는 과거 특정 시점의 데이터까지 고려할 수 있는 방법론이 필요하다.

from : 과거의 어떤 원자적 생각이 이 생각을 만들었는지 연결하고 설명합니다.

1. ‣

supplementary : 어떤 새로운 생각이 이 문서에 작성된 생각을 뒷받침하는지 연결합니다.

1. deer.aa3.1.1. title: 테슬라가 주행가능영역(drivable area)을 찾기 위해서 과거에 시도했던 occupancy tracker은 히드라넷의 2D 출력들 중 segmentation 과 2D 이미지 기반의 깊이 추정값을 결합하여 3D로 만들어낸 결과물이다.

opposite : 어떤 새로운 생각이 이 문서에 작성된 생각과 대조되는지 연결합니다.

1. None

to : 이 문서에 작성된 생각이 어떤 생각으로 발전되고 이어지는가?

1. None

ref : 생각에 참고한 자료입니다.

1. 4:00, 처음에 테슬라팀에 합류했을 때는 모든 연산이 오직 하나의 이미지만 처리하는 수준이었다. 하나의 이미지가 neural network 에 의해 분석 → (a little piece 라고 강조함) 벡터공간의 과정을 거쳤다
2. ‣