非模态 Cityscapes：一个新数据集、其生成方法及非模态语义分割挑战基线
计算机视觉与模式识别
2022-06-02 v1
摘要
非模态感知指人类想象被遮挡物体完整形状的能力。这使人类在跟踪一切动态时占据优势，尤其在拥挤场景中。然而，典型感知功能缺乏非模态感知能力，因而在存在遮挡的情境中处于劣势。复杂城市驾驶场景常遭遇多种不同类型遮挡，因此自动驾驶车辆的非模态感知是一项重要研究任务。本文考虑非模态语义分割任务，提出一种生成数据集以训练非模态语义分割方法的通用方式。我们利用该方法生成了一个非模态 Cityscapes 数据集。此外，我们在 Amodal Cityscapes 上提出并评估了一种基线方法，展示了其在自动驾驶环境感知中非模态语义分割的适用性。我们在 github 上提供了重新生成该数据集的手段。
引用
@article{arxiv.2206.00527,
title = {Amodal Cityscapes: A New Dataset, its Generation, and an Amodal Semantic Segmentation Challenge Baseline},
author = {Jasmin Breitenstein and Tim Fingscheidt},
journal= {arXiv preprint arXiv:2206.00527},
year = {2022}
}
备注
This paper is accepted at IEEE Intelligent Vehicles Symposium 2022