基于范例的开放集全景分割网络
计算机视觉与模式识别
2021-05-20 v2
摘要
我们将全景分割扩展到开放世界，并引入开放集全景分割（OPS）任务。该任务要求不仅对已知类，还要对训练期间未被认知的未知类执行全景分割。我们研究了该任务的实际挑战，并在现有数据集 COCO 之上构建了基准。此外，受范例理论启发，我们提出了一种新颖的基于范例的开放集全景分割网络（EOPSN）。我们的方法基于范例识别新类，这些范例通过聚类确定并用作伪真值。每个类的规模通过基于与该类关联的现有范例的相似性挖掘新范例而增大。我们在所提出的基准上评估 EOPSN，并证明了我们方案的有效性。我们工作的主要目标是引起社区对开放世界场景识别的关注。我们算法的实现可在项目网页获取：https://cv.snu.ac.kr/research/EOPSN。
引用
@article{arxiv.2105.08336,
title = {Exemplar-Based Open-Set Panoptic Segmentation Network},
author = {Jaedong Hwang and Seoung Wug Oh and Joon-Young Lee and Bohyung Han},
journal= {arXiv preprint arXiv:2105.08336},
year = {2021}
}
备注
CVPR 2021