基于前向-后向风格迁移的自动驾驶异常检测实验
计算机视觉与模式识别
2023-01-04 v2 机器学习
摘要
过去几年中，自动驾驶领域取得了巨大进展。然而，作为一个安全关键问题，异常检测是自动驾驶车辆大规模部署于真实世界的巨大障碍。尽管许多方法，如不确定性估计或基于分割的图像重合成，极具前景，但仍有更多值得探索。特别受基于图像重合成的异常检测工作启发，我们提出了一种通过风格迁移进行异常检测的新方法。我们利用生成模型将图像从其原始的道路交通风格域映射到一个任意域再映射回来，以生成逐像素异常分数。然而，我们的实验证明了我们的假设是错误的，且未能产生显著结果。尽管如此，我们仍希望分享我们的发现，以便他人能从我们的实验中学习。
引用
@article{arxiv.2207.06055,
title = {Experiments on Anomaly Detection in Autonomous Driving by Forward-Backward Style Transfers},
author = {Daniel Bogdoll and Meng Zhang and Maximilian Nitsche and J. Marius Zöllner},
journal= {arXiv preprint arXiv:2207.06055},
year = {2023}
}
备注
Daniel Bogdoll and Meng Zhang contributed equally. Accepted for publication at ICECCME 2022