Feb, 2024

自动驾驶全景分割鲁棒性的基准测试

PDF
TL;DR准确的情景感知对于辅助和自动驾驶功能 (AAD) 的安全决策至关重要。全景分割是一种有前景的感知技术，可以在像素级别上识别和分类对象、潜在危险和可驾驶空间。本研究提出了一个统一的流程，评估全景分割模型在 AAD 中的鲁棒性，并将其与传统图像质量进行相关联。
situational awarenesspanoptic segmentationaad system designersimage quality metricsnetwork performance
发现论文，激发创造
  • 改进基于全景的夜间或低光城市驾驶场景分割

    该论文提出了一种基于域转换方法的实用且高效的新型 Panoptic Segmentation 技术，以提高自动驾驶系统在夜间或光照不良环境下的性能和鲁棒性。

    Jun, 2023

  • 自训练全景分割

    通过自学习方法在合成到真实的领域适应问题设置中，开发了一个基于嵌入的自学习全景分割框架。

    Nov, 2023

  • 自动化评估自动驾驶语义分割鲁棒性

    本文介绍了一种用于分析语义分割模型稳健性的新方法，并提供了一些指标以评估在各种环境条件下的分类性能。该过程还结合了另一种传感器（lidar）以自动化处理过程，消除了验证数据的手工标注需求。实验结果表明，语义分割模型的性能因天气、相机参数、阴影等因素而异，并演示了如何在改进模型后比较和验证各种网络的性能。

    Oct, 2018

  • 全景分割

    本文提出并研究了一项称为全景分割的任务，该任务将语义分割和实例分割两个任务统一起来，提出了新型的评估指标，并进行了全面的研究。

    Jan, 2018

  • 全景分割端到端网络

    该论文提出了一种新型的端对端网络，能够高效地预测实例和物体分割，并引入了一种新的空间排名模块以处理预测实例之间的遮挡问题。在 COCO Panoptic 基准测试上取得了可喜的成果。

    Mar, 2019

  • 视频全景分割

    本文提出了一种名为 Video Panoptic Segmentation 的新型视觉识别任务，同时提出了两个视频全景数据集，以及一种 VPSNet 网络，在 VPQ 度量下，在 Cityscapes-VPS 和 VIPER 数据集上实现了最先进的结果。

    Jun, 2020

  • 全景意图网络：面向视障人士的高效导航感知

    通过提出一种基于 Panoptic Lintention Net 的紧凑可穿戴全景分割系统，协助视障人士高效地获得环境中物品和场景的感知，使用 Lintention 注意模块快速建模长程关联，实现对现实场景的全景分割，获得了较稳定和显著的分割效果。

    Mar, 2021

  • 全景分割预测

    通过场景分解，从背景和前景分别预测背景的运动和物体的运动，我们提出了全景分割预测，可以在已有模型的基础上实现背景与物体的双重预测，比现有的基线模型性能更好。

    Apr, 2021

  • 高效 PS: 高效全景分割

    本文介绍一种基于 EfficientPS 架构的自动机器人场景理解新方法，能够有效地实现交通参与者和场景语义实例识别，并提出了包含 KITTI panoptic segmentation 数据集的新领域，其通过在多个基准测试中进行广泛的评估证明具有领先的性能和最高效的速度。

    Apr, 2020

  • 街景理解的单网络全景分割

    本文提出了一种用于全景分割的深度神经网络，将语义分割与实例分割任务联合起来，从而在单次计算中为输入图像的每个像素提供类标签和唯一对象标识符，并且通过增强信息共享和合并启发式方法，单个网络的性能提高，如在 Cityscapes 上可获得 45.9 的 PQ 分数。

    Feb, 2019