Experiments on Anomaly Detection in Autonomous Driving by Forward-Backward Style Transfers

要約

過去数年間で、自動運転のコミュニティでは大きな進歩が達成されました。
ただし、安全上重要な問題として、異常検出は、現実の世界で自動運転車を大規模に展開するための大きなハードルです。
不確実性推定やセグメンテーションベースの画像再合成など、多くのアプローチが非常に有望ですが、さらに調査すべきものがあります。
特に画像再合成に基づく異常検出に関する研究に触発されて、スタイル転送による異常検出のための新しいアプローチを提案します。
生成モデルを活用して、画像を道路交通の元のスタイル ドメインから任意のドメインにマッピングし、ピクセル単位の異常スコアを生成します。
しかし、私たちの実験は私たちの仮説が間違っていることを証明し、重要な結果を生み出すことができませんでした.
それにもかかわらず、他の人が私たちの実験から学ぶことができるように、私たちは発見を共有したいと考えています.

要約(オリジナル)

Great progress has been achieved in the community of autonomous driving in the past few years. As a safety-critical problem, however, anomaly detection is a huge hurdle towards a large-scale deployment of autonomous vehicles in the real world. While many approaches, such as uncertainty estimation or segmentation-based image resynthesis, are extremely promising, there is more to be explored. Especially inspired by works on anomaly detection based on image resynthesis, we propose a novel approach for anomaly detection through style transfer. We leverage generative models to map an image from its original style domain of road traffic to an arbitrary one and back to generate pixelwise anomaly scores. However, our experiments have proven our hypothesis wrong, and we were unable to produce significant results. Nevertheless, we want to share our findings, so that others can learn from our experiments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google