SHIFT：用于连续多任务域适应的合成驾驶数据集
计算机视觉与模式识别
2022-06-17 v1 机器学习
摘要
适应持续演进的环境是所有自动驾驶系统不可避免面临的安全关键挑战。然而，现有的图像与视频驾驶数据集未能捕捉真实世界的可变本质。本文介绍用于自动驾驶的最大规模多任务合成数据集SHIFT。它呈现云量、降雨与雾强度、一天中的时间、以及车辆与行人密度的离散与连续偏移。SHIFT具备全面的传感器套件与若干主流感知任务的标注，允许研究感知系统性能随域偏移程度增加的退化，促进开发连续适应策略以缓解该问题，并评估模型的鲁棒性与泛化性。我们的数据集与基准工具包公开于 www.vis.xyz/shift。
引用
@article{arxiv.2206.08367,
title = {SHIFT: A Synthetic Driving Dataset for Continuous Multi-Task Domain Adaptation},
author = {Tao Sun and Mattia Segu and Janis Postels and Yuxuan Wang and Luc Van Gool and Bernt Schiele and Federico Tombari and Fisher Yu},
journal= {arXiv preprint arXiv:2206.08367},
year = {2022}
}
备注
Published at IEEE Conference on Computer Vision and Pattern Recognition (CVPR) 2022