Maskomaly:Zero-Shot Mask Anomaly Segmentation

要約

私たちは、Masomaly と呼ばれる異常セグメンテーションのためのシンプルで実用的なフレームワークを紹介します。
これは、マスクベースの標準セマンティック セグメンテーション ネットワークに基づいて、そのようなネットワークの生のマスク出力を活用する単純な推論時後処理ステップを追加します。
Maskomaly は追加のトレーニングを必要とせず、推論にわずかな計算オーバーヘッドを追加するだけです。
最も重要なのは、トレーニング時に異常なデータを必要としないことです。
SMIYC、RoadAnomaly、および StreetHazards に関するメソッドの上位の結果を示します。
最も中心的なベンチマークである SMIYC では、Maskomaly は直接比較可能なすべてのアプローチよりも優れたパフォーマンスを示します。
さらに、堅牢な異常セグメンテーション手法の開発に役立つ新しいメトリクスを導入し、RoadAnomaly でのその有益性を実証します。

要約(オリジナル)

We present a simple and practical framework for anomaly segmentation called Maskomaly. It builds upon mask-based standard semantic segmentation networks by adding a simple inference-time post-processing step which leverages the raw mask outputs of such networks. Maskomaly does not require additional training and only adds a small computational overhead to inference. Most importantly, it does not require anomalous data at training. We show top results for our method on SMIYC, RoadAnomaly, and StreetHazards. On the most central benchmark, SMIYC, Maskomaly outperforms all directly comparable approaches. Further, we introduce a novel metric that benefits the development of robust anomaly segmentation methods and demonstrate its informativeness on RoadAnomaly.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google