最小化监督的自由空间分割

识别前方场景中的“自由空间”或安全可行驶区域，是自主导航的一项基本任务。虽然该任务可通过语义分割解决，但训练分割模型所需的逐像素标注人工成本极高。尽管弱监督分割解决了这一问题，多数方法并非为自由空间设计。本文中，我们观察到均匀纹理与位置是自由空间的两个关键特征，并开发了一种新颖、实用的极小人类监督自由空间分割框架。实验表明，我们的框架在使用更少监督的同时优于其他弱监督方法。我们的工作展示了无需繁琐且昂贵的手动标注即可实现自由空间分割的潜力，这对于使自动驾驶系统适应不同车辆与环境类型十分重要。