CVPRJun, 2024

OoDIS：异常实例分割基准

PDF
TL;DR自主车辆需要准确理解其环境以安全导航。通过识别未知物体，特别是那些在训练过程中不存在的野生动物，以防止严重事故的发生非常重要。虽然语义分割方法在异常物体的识别方面取得了重大进展，但全面理解场景动态需要分割单个物体，因此实例分割至关重要。然而，由于缺乏专门的基准测试，这一领域的发展一直滞后。为了填补这一空白，我们将最常使用的异常分割基准测试扩展到实例分割任务。我们对异常实例分割方法的评估表明，这个挑战仍然是一个未解决的问题。可以在该网站和竞赛页面找到基准网址：[insert URL]。
autonomous vehiclesunknown objectssemantic segmentationinstance segmentationbenchmark
发现论文，激发创造
  • 检测语义异常

    本文讨论了在实际场景中对特定语境下的语义异常进行评估的问题，并提出了一组以实际应用为基础的基准。我们使用一种基于多任务学习算法的方法在这些基准上取得了进展，并证明了辅助目标的提高可以改善语义感知，同时带来更好的一般化收益。

    Aug, 2019

  • UGainS: 不确定性引导的异常实例分割

    通过使用不确定区域指导细分异常实例的模型和强大的对象先验，我们提出了一个能够准确检测道路异常物体的方法，优于当前的像素级异常分割方法，实验结果在 Fishyscapes Lost and Found 和 RoadAnomaly 验证集上分别达到了 80.08% 和 88.98% 的平均准确率。

    Aug, 2023

  • SegmentMeIfYouCan: 异常分割基准测试

    本文介绍了 “SegmentMeIfYouCan” 基准测试集，该基准测试集包含具有先前未见过的目标类别的异常对象分割和路障分割两个任务，桥接了目前的分割神经网络无法处理以前未见过的物体的问题，并提供了诸多先进的基准测试指标。

    Apr, 2021

  • 通过风格对齐的异常感知语义分割

    自动驾驶背景下，为了在开放世界中部署无人车时遇到未知对象，将标准语义分割模型配备异常感知能力至关重要。本文通过减小合成的超出分布数据和驾驶场景之间的领域差异，有效缓解训练中可能出现的突破口，提升了超出分布合成过程。此外，我们提出了一种简单的微调损失函数，有效地促使预训练的语义分割模型生成 “给定类别之外” 的预测，利用像素级超出分布分数进行异常分割。在最小化微调工作的情况下，我们的流程使得在异常分割任务中能够使用预训练模型，同时保持对原始任务的性能。

    Aug, 2023

  • 遮挡视频实例分割：基准

    我们收集了一个大规模的被遮挡的视频实例分割数据集，即检测，在遮挡场景中同时分割和跟踪实例，实验表明，现有的视频理解系统无法理解这些被遮挡的实例，我们还提出了一个简单的插件模块，用于补充遮挡引起的缺失对象线索，建立在 MaskTrack R-CNN 和 SipMask 上，在 OVIS 数据集上取得了显着的 AP 提升。

    Feb, 2021

  • 全景非分布式分割

    深度学习在全景分割方面取得了显著进展，但是全景分割在存在分布外（OOD）对象的情况下受到严重影响。为了解决这个问题，我们提出了一种用于联合像素级语义内部分布和分布外分类的分割方法。我们基于 Panoptic 分割基准数据集 Cityscapes 和 BDD100K，扩展了具有分布外实例分割注释的数据集，并提出了合适的评估指标和多个强基线模型。重要的是，我们提出了新颖的 PoDS 架构，包括共享的主干网络、用于学习全局和局部 OOD 对象线索的 OOD 上下文模块，以及使用我们的对齐 - 不匹配策略的双对称解码器和任务特定头。结合我们的数据增强策略，这种方法有助于逐步学习分布外对象并保持内部分布性能。我们进行了大量评估实验证明我们提出的 PoDS 网络可以有效地解决主要挑战并显著优于基线模型。我们在此 http 链接上公开提供数据集、代码和训练好的模型。

    Oct, 2023

  • 语义一致的异常检测

    通过对抗高水平的对抗攻击在半先验条件下训练生成对抗网络来提高生成数据的多样性和质量。

    Aug, 2021

  • 语义分割中的超范围物体检测与检索

    本文通过在不同的数据集上使用深度学习的方法，实现了以城市街道场景为基础的图像识别模型对于不同场景下的物体进行准确分类和目标检测，并且通过对于特征向量的提取和降维，成功实现了基于图像碎片的图像检索和分割。

    May, 2020

  • 通过学习本地对抗攻击进行语义分割中的异常检测

    本文提出了一种名为 ObsNet 的 OOD 检测体系结构，通过基于局部对抗攻击（LAA）的专用训练方案，实现了在速度和精度方面得到表现的最佳方法，解决了当前方法在实际应用中速度和精度快慢两难的问题。

    Aug, 2021

  • 基于未知客体得分的道路障碍物检测

    通过将物体检测方法与像素级异常检测方法相结合，实现了对未知物体的稳定性检测，并通过整合物体性分数和未知物体性分数提出了一种新的异常分数，称为未知物体性分数。当应用于公开可用的数据集时，定量评估结果表明该方法优于现有方法。

    Mar, 2024