AnoVox: A Benchmark for Multimodal Anomaly Detection in Autonomous Driving

要約

自動運転車の規模拡大は、道路上の珍しい物体などの異常に対処する能力に大きく依存します。
このような状況に対処するには、まず異常を検出する必要があります。
自動運転の異常検出はここ数年で大きく進歩しましたが、カメラデータに重点​​を置いた不十分な設計のベンチマークに悩まされています。
この研究では、これまでの自動運転における ANOmaly 検出の最大のベンチマークである AnoVox を提案します。
AnoVox には、大規模なマルチモーダル センサー データと空間 VOXel グラウンド トゥルースが組み込まれており、使用するセンサーに関係なく手法を比較できます。
私たちは正規性の正式な定義を提案し、準拠したトレーニング データセットを提供します。
AnoVox は、コンテンツと時間の両方の異常を含む最初のベンチマークです。

要約(オリジナル)

The scale-up of autonomous vehicles depends heavily on their ability to deal with anomalies, such as rare objects on the road. In order to handle such situations, it is necessary to detect anomalies in the first place. Anomaly detection for autonomous driving has made great progress in the past years but suffers from poorly designed benchmarks with a strong focus on camera data. In this work, we propose AnoVox, the largest benchmark for ANOmaly detection in autonomous driving to date. AnoVox incorporates large-scale multimodal sensor data and spatial VOXel ground truth, allowing for the comparison of methods independent of their used sensor. We propose a formal definition of normality and provide a compliant training dataset. AnoVox is the first benchmark to contain both content and temporal anomalies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google