CARLANE: A Lane Detection Benchmark for Unsupervised Domain Adaptation from Simulation to multiple Real-World Domains

要約

教師なし領域適応は、ラベル付けされたソース領域からラベル付けされていないターゲット領域にモデルを転送することで、領域シフトを緩和する大きな可能性を示している。教師なし領域適応は様々な複雑なビジョンタスクに適用されているが、自律走行における車線検出に焦点を当てた研究はほとんどない。これは、一般に利用可能なデータセットがないことに起因していると考えられる。このような方向性の研究を促進するために、我々は2次元車線検出のための3方向シミュレーション-実領域適応ベンチマークであるCARLANEを提案する。CARLANEは、シングルターゲットのデータセットMoLaneとTuLane、マルチターゲットのデータセットMuLaneを包含している。これらのデータセットは、3つの異なるドメインから構築されており、多様なシーンをカバーし、合計163Kユニークな画像を含み、そのうち118Kは注釈されています。さらに、プロトタイプのクロスドメイン自己教師付き学習に基づいて構築された我々の方法を含む、系統的なベースラインを評価し、報告する。評価した領域適応手法の誤検出率および誤検出陰性率は、完全教師ありベースラインと比較して高いことが分かった。このことは、車線検出のための教師無し領域適応の研究をさらに強化するために、CARLANEのようなベンチマークの必要性を確認するものである。CARLANE、すべての評価モデル、および対応する実装は、https://carlanebenchmark.github.io で公開されています。

要約(オリジナル)

Unsupervised Domain Adaptation demonstrates great potential to mitigate domain shifts by transferring models from labeled source domains to unlabeled target domains. While Unsupervised Domain Adaptation has been applied to a wide variety of complex vision tasks, only few works focus on lane detection for autonomous driving. This can be attributed to the lack of publicly available datasets. To facilitate research in these directions, we propose CARLANE, a 3-way sim-to-real domain adaptation benchmark for 2D lane detection. CARLANE encompasses the single-target datasets MoLane and TuLane and the multi-target dataset MuLane. These datasets are built from three different domains, which cover diverse scenes and contain a total of 163K unique images, 118K of which are annotated. In addition we evaluate and report systematic baselines, including our own method, which builds upon Prototypical Cross-domain Self-supervised Learning. We find that false positive and false negative rates of the evaluated domain adaptation methods are high compared to those of fully supervised baselines. This affirms the need for benchmarks such as CARLANE to further strengthen research in Unsupervised Domain Adaptation for lane detection. CARLANE, all evaluated models and the corresponding implementations are publicly available at https://carlanebenchmark.github.io.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL