自动驾驶中的越域分割：问题与最新进展
计算机视觉与模式识别
2025-04-08 v2 机器人学
图像与视频处理
摘要
本文综述了越域（Out-of-Distribution, OoD）分割领域的最新研究进展，特别聚焦于自动驾驶中道路障碍物检测的实际应用。我们分析了现有方法在两个广泛使用的基准数据集（SegmentMeIfYouCan Obstacle Track 和 LostAndFound-NoKnown）上的表现，概述了其优势、局限性及实际可行性。此外，我们讨论了关键挑战并提出了推动该领域发展的潜在研究方向。我们的目标是为研究人员和实践者提供当前OoD分割领域的全面视角，以推动更安全更可靠的自动驾驶系统的进一步发展。
引用
@article{arxiv.2503.08695,
title = {Out-of-Distribution Segmentation in Autonomous Driving: Problems and State of the Art},
author = {Youssef Shoeb and Azarm Nowzad and Hanno Gottschalk},
journal= {arXiv preprint arXiv:2503.08695},
year = {2025}
}
备注
Accepted to CVPR 2025 workshop on Safe Artificial Intelligence for All Domains (SAIAD)