AnoVox：面向自动驾驶的多模态异常检测基准
计算机视觉与模式识别
2025-08-21 v4 机器人学
摘要
自动驾驶车辆的规模化发展严重依赖其处理异常情况的能力，例如道路上的稀有物体。要处理此类情况，首先需要检测异常。过去几年中，自动驾驶的异常检测取得了很大进展，但 suffers from 设计不良的基准，强烈关注相机数据。在本工作中，我们提出 AnoVox，迄今为止规模最大的自动驾驶异常检测基准。AnoVox 包含大规模多模态传感器数据和空间 VOXel ground truth，允许独立于所用传感器进行方法比较。我们提出了正常性的正式定义并提供了符合要求的训练数据集。AnoVox 是首个包含内容异常和时间异常的基准。
引用
@article{arxiv.2405.07865,
title = {AnoVox: A Benchmark for Multimodal Anomaly Detection in Autonomous Driving},
author = {Daniel Bogdoll and Iramm Hamdard and Lukas Namgyu Rößler and Felix Geisler and Muhammed Bayram and Felix Wang and Jan Imhof and Miguel de Campos and Anushervon Tabarov and Yitian Yang and Hanno Gottschalk and J. Marius Zöllner},
journal= {arXiv preprint arXiv:2405.07865},
year = {2025}
}
备注
Daniel Bogdoll, Iramm Hamdard, and Lukas Namgyu R\"o{\ss}ler contributed equally. Accepted for publication at ECCV 2024 W-CODA workshop