面对极端不利条件的全景分割：URVIS 2026 竞赛与基准
计算机视觉与模式识别
2026-04-21 v1
摘要
本文报告了 URVIS 2026 挑战赛中关于面对极端不利环境的全景分割任务。作为首个此类挑战赛，本次竞赛吸引了 17 支注册团队和 47 份提交作品，其中 4 支团队进入决赛阶段。该挑战基于 MUSES 数据集进行，MUSES 是一个多传感器基准数据集，专用于极端天气下的全景分割，包括 RGB 帧相机、LiDAR、雷达和事件相机数据。为在不同天气条件下进行公平评估，本次竞赛设计并采用了加权全景质量指标 (wPQ)。在本报告中，我们总结了挑战设置与基准结果，分析了提交方法的性能，并讨论了面向鲁棒性多模态全景分割的当前进展及剩余挑战。链接: https://urvis-workshop.github.io/challenge-Muses.html
引用
@article{arxiv.2604.16984,
title = {Adverse-to-the-eXtreme Panoptic Segmentation: URVIS 2026 Study and Benchmark},
author = {Yiting Wang and Nolwenn Peyratout and Tim Brodermann and Jiahui Wang and Yusi Cao and Michele Cazzola and Elie Tarassov and Takuya Kobayashi and Abderrahim Kasmi and Guillaume Allibert and Cédric Demonceaux and Valentina Donzella and Kurt Debattista and Radu Timofte and Zongwei Wu and Christos Sakaridis},
journal= {arXiv preprint arXiv:2604.16984},
year = {2026}
}