OoDIS: Anomaly Instance Segmentation Benchmark

要約

自動運転車が安全に走行するには、周囲の環境を正確に理解する必要があります。
未知の物体、特に野生動物などの訓練中に存在しない物体を確実に識別することは、重大な事故を引き起こす可能性があるため非常に重要です。
異常のセマンティック セグメンテーションにおける大幅な進歩は、配布外 (OOD) ベンチマークの可用性によって推進されています。
ただし、シーンのダイナミクスを包括的に理解するには、個々のオブジェクトをセグメンテーションする必要があるため、インスタンスのセグメンテーションが不可欠です。
この分野の開発は遅れていますが、これは主に専用のベンチマークが存在しないことが原因です。
このギャップに対処するために、最も一般的に使用される異常セグメンテーション ベンチマークを拡張して、インスタンス セグメンテーション タスクを含めました。
異常インスタンスのセグメント化手法を評価したところ、この課題は未解決の問題のままであることがわかりました。
ベンチマーク Web サイトと競合ページは、https://vision.rwth-aachen.de/oodis でご覧いただけます。

要約(オリジナル)

Autonomous vehicles require a precise understanding of their environment to navigate safely. Reliable identification of unknown objects, especially those that are absent during training, such as wild animals, is critical due to their potential to cause serious accidents. Significant progress in semantic segmentation of anomalies has been driven by the availability of out-of-distribution (OOD) benchmarks. However, a comprehensive understanding of scene dynamics requires the segmentation of individual objects, and thus the segmentation of instances is essential. Development in this area has been lagging, largely due to the lack of dedicated benchmarks. To address this gap, we have extended the most commonly used anomaly segmentation benchmarks to include the instance segmentation task. Our evaluation of anomaly instance segmentation methods shows that this challenge remains an unsolved problem. The benchmark website and the competition page can be found at: https://vision.rwth-aachen.de/oodis .

arxiv情報

提供元, 利用サービス

arxiv.jp, Google