Instance-Aware Observer Network for Out-of-Distribution Object Segmentation

要約

オブザーバーネットワークに関する最近の研究では、セマンティックセグメンテーションのOut-Of-Distribution（OOD）検出で有望な結果が示されています。
これらの方法では、画像内の関心のあるポイント、つまり異常を正確に特定することが困難です。
この制限は、ピクセルレベルでのきめ細かい予測が難しいためです。
この問題に対処するために、オブザーバーにインスタンスの知識を提供します。
インスタンスごとのマスク予測を利用して、ObsNetのアプローチを拡張します。
追加のクラスにとらわれないオブジェクト検出器を使用して、オブザーバーの予測をフィルタリングおよび集約します。
最後に、画像内の各インスタンスの一意の異常スコアを予測します。
提案した方法が、3つのデータセット上の分布外オブジェクトから分布内オブジェクトを正確に解きほぐすことを示します。

要約(オリジナル)

Recent work on Observer Network has shown promising results on Out-Of-Distribution (OOD) detection for semantic segmentation. These methods have difficulty in precisely locating the point of interest in the image, i.e, the anomaly. This limitation is due to the difficulty of fine-grained prediction at the pixel level. To address this issue, we provide instance knowledge to the observer. We extend the approach of ObsNet by harnessing an instance-wise mask prediction. We use an additional, class agnostic, object detector to filter and aggregate observer predictions. Finally, we predict an unique anomaly score for each instance in the image. We show that our proposed method accurately disentangle in-distribution objects from Out-Of-Distribution objects on three datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google