Core Concepts
新しいカテゴリを特定し、既知のカテゴリとの類似性を提供する革新的なアプローチ。
Abstract
カメラデータの解釈は自律行動システムにとって重要。
新規状況や未知のオブジェクトが発生するオープンワールド設定への対応が必要。
提案手法は正確な閉じた世界セマンティックセグメンテーションを実行し、同時に新しいカテゴリを識別。
モデルはトレーニングデータから見たことのないオブジェクトを区別できることを示す。
クラス類似性の測定値も提供され、計画やマッピングなどの下流タスクに有用。
1. Introduction
自律システムは周囲を理解する必要がある。
オープンワールド設定では未知のオブジェクトが発生する可能性がある。
2. Related Work
閉じた世界設定で優れたパフォーマンスが達成されてきた。
分類問題向け異常検出手法も存在。
3. Our Approach
2つのデコーダー構造に基づくアプローチ。
特徴空間操作により新しいクラスを識別。
4. Experimental Evaluation
アプローチは優れた結果を達成。
知られているクラスと未知クラス間で区別可能。
Stats
この論文では、以下の数値が使用されています:
AUPR: 96.1%
FPR95: 6.9%
Quotes
"Open-world or anomaly segmentation extends the anomaly detection task to a pixel-wise nature."
"Our approach is capable of distinguishing between different unknown classes."