GOSS：面向广义开集语义分割
计算机视觉与模式识别
2022-03-24 v1 机器人学
摘要
本文提出并研究一种新的图像分割任务，称为广义开集语义分割（GOSS）。此前，在知名的开集语义分割（OSS）中，智能体仅检测未知区域而不做进一步处理，限制了对环境的感知。进一步分析检测到的未知像素理应是有益的。因此，我们提出GOSS，以整体方式统一了两个明确界定的分割任务（OSS与通用分割（GS））的能力。具体而言，GOSS将像素分类为属于已知类，并将未知类的像素簇（或组）标记为未知。为评估这一新扩展任务，我们进一步提出一种平衡像素分类与聚类方面的指标。此外，我们在现有数据集上构建基准测试，并提出一种简单的神经架构作为基线，其在开集设定下联合预测像素分类与聚类。我们在多个基准上的实验证明了基线的有效性。我们相信新的GOSS任务能为未来研究提供更具表现力的图像理解。代码将公开。
引用
@article{arxiv.2203.12116,
title = {GOSS: Towards Generalized Open-set Semantic Segmentation},
author = {Jie Hong and Weihao Li and Junlin Han and Jiyang Zheng and Pengfei Fang and Mehrtash Harandi and Lars Petersson},
journal= {arXiv preprint arXiv:2203.12116},
year = {2022}
}