基于像素流形随机游走的复杂驾驶场景异常分割

在复杂驾驶场景的异常分割中，最先进的方法利用异常评分函数来计算异常分数。对于这些函数而言，准确预测每个像素的内点类别 logits 对于精确推断异常分数至关重要。然而，在真实世界的驾驶场景中，场景的多样性常常导致空间中像素嵌入的流形发生扭曲。这种效应不利于在推理时直接使用像素嵌入进行 logit 预测，而现有方法忽略了这一问题。为了解决这个问题，我们提出了一种名为像素流形随机游走（RWPM）的新方法。RWPM 利用随机游走来揭示像素间的内在关系，以细化像素嵌入。细化后的像素嵌入减轻了流形的扭曲，提高了异常分数的准确性。我们广泛的实验表明，RWPM 持续提升了现有异常分割方法的性能，并取得了最佳结果。代码可在以下网址获取：\url{https://github.com/ZelongZeng/RWPM}。