Maskomaly：零样本掩码异常分割
计算机视觉与模式识别
2023-08-29 v2
摘要
我们提出了一个名为Maskomaly的用于异常分割的简单实用框架。它构建于基于掩码的标准语义分割网络之上，通过添加一个简单的推理时后处理步骤来利用此类网络的原始掩码输出。Maskomaly不需要额外训练，且仅给推理增加少量计算开销。最重要的是，它在训练时不需要异常数据。我们在SMIYC、RoadAnomaly和StreetHazards上展示了我们方法的顶尖结果。在最核心的基准SMIYC上，Maskomaly优于所有直接可比的方法。此外，我们引入了一种有益于鲁棒异常分割方法开发的新指标，并在RoadAnomaly上展示了其信息性。
引用
@article{arxiv.2305.16972,
title = {Maskomaly:Zero-Shot Mask Anomaly Segmentation},
author = {Jan Ackermann and Christos Sakaridis and Fisher Yu},
journal= {arXiv preprint arXiv:2305.16972},
year = {2023}
}
备注
BMVC 2023