面向自动驾驶的视频类无关分割基准
计算机视觉与模式识别
2021-04-21 v2
摘要
语义分割方法通常在具有封闭有限已知类别集合的大规模数据上训练，而不考虑未知物体。在某些安全关键的机器人应用中，尤其是自动驾驶，分割所有物体（包括训练时未知的那些）十分重要。我们形式化了自动驾驶中基于单目视频序列的视频类无关分割任务，以涵盖未知物体。视频类无关分割可表述为开放集分割或运动分割问题。我们讨论了两种表述，并为两条赛道提供了数据集与不同基线方法的基准测试。在运动分割赛道中，我们对实时联合全景与运动实例分割进行基准测试，并评估了自运动流抑制的效果。在开放集分割赛道中，我们评估了结合外观与几何以学习每语义类原型的基线方法，随后将其与使用辅助对比损失以改进已知与未知物体判别的模型进行比较。数据集与模型已在 https://msiam.github.io/vca/ 公开发布。
引用
@article{arxiv.2103.11015,
title = {Video Class Agnostic Segmentation Benchmark for Autonomous Driving},
author = {Mennatullah Siam and Alex Kendall and Martin Jagersand},
journal= {arXiv preprint arXiv:2103.11015},
year = {2021}
}
备注
Accepted in WAD workshop, CVPR 2021