面向自动驾驶的WoodScape运动分割——CVPR 2023 OmniCV研讨会挑战赛
计算机视觉与模式识别
2024-01-17 v2 机器学习
摘要
运动分割是自动驾驶中一项复杂但不可或缺的任务。由相机自运动、鱼眼镜头径向畸变以及时间一致性需求带来的挑战使任务更加复杂，使得传统和标准卷积神经网络（CNN）方法效果较差。随之而来的劳动密集型数据标注、多样化和不常见场景的表示以及广泛的数据采集需求，凸显了合成数据对于提高机器学习模型性能的必要性。为此，我们采用了Parallel Domain开发的PD-WoodScape合成数据集以及WoodScape鱼眼数据集。因此，我们提出了用于自动驾驶的WoodScape鱼眼运动分割挑战赛，作为CVPR 2023全向计算机视觉（OmniCV）研讨会的一部分。作为首批专注于鱼眼运动分割的竞赛之一，我们旨在探索和评估利用合成数据在该领域的潜力和影响。在本文中，我们提供了对竞赛的详细分析，该竞赛吸引了112个全球团队参与，共提交了234份作品。本研究描述了运动分割任务固有的复杂性，强调了鱼眼数据集的重要性，阐述了合成数据集的必要性及其导致的域差距，为设计成功解决方案提供了基础蓝图。随后，我们深入探讨了基线实验和获胜方法的细节，评估了它们的定性和定量结果，提供了有用的见解。
引用
@article{arxiv.2401.00910,
title = {WoodScape Motion Segmentation for Autonomous Driving -- CVPR 2023 OmniCV Workshop Challenge},
author = {Saravanabalagi Ramachandran and Nathaniel Cibik and Ganesh Sistu and John McDonald},
journal= {arXiv preprint arXiv:2401.00910},
year = {2024}
}
备注
CVPR 2023 OmniCV Workshop Challenge