論文の概要: ACDC: The Adverse Conditions Dataset with Correspondences for Semantic
Driving Scene Understanding
- arxiv url: http://arxiv.org/abs/2104.13395v2
- Date: Thu, 29 Apr 2021 06:11:26 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-30 10:28:17.230400
- Title: ACDC: The Adverse Conditions Dataset with Correspondences for Semantic
Driving Scene Understanding
- Title(参考訳): ACDC: セマンティックドライビングシーン理解のための対応付き逆条件データセット
- Authors: Christos Sakaridis, Dengxin Dai, Luc Van Gool
- Abstract要約: 自動運転車のレベル5の自律性には、どんな視覚条件でも入力画像を解析できる堅牢な視覚知覚システムが必要である。
有害視覚条件におけるセマンティックセグメンテーション手法のトレーニングとテストのためのアドバースコンディションデータセットであるACDCを紹介します。
詳細な実証的研究は、ACDCの有害ドメインが最先端の監督および監督されていないアプローチにもたらす課題を示しています。
- 参考スコア(独自算出の注目度): 104.34360430611089
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Level 5 autonomy for self-driving cars requires a robust visual perception
system that can parse input images under any visual condition. However,
existing semantic segmentation datasets are either dominated by images captured
under normal conditions or are small in scale. To address this, we introduce
ACDC, the Adverse Conditions Dataset with Correspondences for training and
testing semantic segmentation methods on adverse visual conditions. ACDC
consists of a large set of 4006 images which are equally distributed between
four common adverse conditions: fog, nighttime, rain, and snow. Each
adverse-condition image comes with a high-quality fine pixel-level semantic
annotation, a corresponding image of the same scene taken under normal
conditions, and a binary mask that distinguishes between intra-image regions of
clear and uncertain semantic content. Thus, ACDC supports both standard
semantic segmentation and the newly introduced uncertainty-aware semantic
segmentation. A detailed empirical study demonstrates the challenges that the
adverse domains of ACDC pose to state-of-the-art supervised and unsupervised
approaches and indicates the value of our dataset in steering future progress
in the field. Our dataset and benchmark are publicly available.
- Abstract(参考訳): 自動運転車のレベル5の自律性には、どんな視覚条件でも入力画像を解析できる堅牢な視覚知覚システムが必要である。
しかし、既存のセマンティクスセグメンテーションデータセットは、通常の条件下でキャプチャされた画像によって支配されるか、あるいは規模が小さい。
そこで本研究では,ACDC(Adverse Conditions Dataset with Cor correspondingences)を導入し,視覚障害に対するセマンティックセグメンテーション手法の訓練と試験を行う。
ACDCは、霧、夜間、雨、雪の4つの一般的な悪条件の間に均等に分布する4006枚の画像からなる。
それぞれの悪条件画像は、高品質なピクセルレベルのセマンティックアノテーション、通常条件下で撮影される同じシーンの対応するイメージ、および透明かつ不確実なセマンティック内容のイメージ内領域を区別するバイナリマスクを備える。
したがって、adcは標準意味セグメンテーションと新しく導入された不確実性認識意味セグメンテーションの両方をサポートする。
詳細な実証研究により、ACDCの有害ドメインが最先端の教師なしアプローチや教師なしアプローチにもたらす課題が示され、この分野における今後の進歩を推し進める上で、我々のデータセットの価値が示される。
データセットとベンチマークは公開されています。
関連論文リスト
- Contrastive Model Adaptation for Cross-Condition Robustness in Semantic
Segmentation [58.17907376475596]
意味的セグメンテーションのための正規-逆条件モデル適応について検討する。
提案手法は, コントラスト学習を通じて条件不変の特徴を学習するために, このような画像ペアを利用する。
いくつかの正規-逆適応ベンチマークにおけるモデル適応のための最先端セマンティックセマンティックセマンティクス性能を実現する。
論文 参考訳(メタデータ) (2023-03-09T11:48:29Z) - Location-Aware Self-Supervised Transformers [74.76585889813207]
画像部品の相対的な位置を予測し,セマンティックセグメンテーションのためのネットワークを事前訓練する。
参照パッチのサブセットを問合せのサブセットにマスキングすることで,タスクの難しさを制御します。
実験により,この位置認識事前学習が,いくつかの難解なセマンティックセグメンテーションベンチマークに競合する表現をもたらすことが示された。
論文 参考訳(メタデータ) (2022-12-05T16:24:29Z) - Semi-supervised domain adaptation with CycleGAN guided by a downstream
task loss [4.941630596191806]
ドメイン適応は、ラベル付けが高価でエラーを起こしやすいタスクであるため、非常に興味深い。
画像から画像へのアプローチは、入力のシフトを軽減するために使用することができる。
本稿では、画像から画像へのドメイン適応アプローチにおいて、GANの「タスク認識」バージョンを提案する。
論文 参考訳(メタデータ) (2022-08-18T13:13:30Z) - Refign: Align and Refine for Adaptation of Semantic Segmentation to
Adverse Conditions [78.71745819446176]
Refignは、ドメイン間の通信を利用する自己学習ベースのUDAメソッドへの汎用的な拡張である。
Refign は,(1) 不確実性を認識した高密度マッチングネットワークを用いて,正常条件画像と対応する悪条件画像とを整列させ,(2) 適応ラベル補正機構を用いて正常予測で悪条件予測を精査する。
このアプローチでは、追加のトレーニングパラメータや、トレーニングのみの計算オーバーヘッドの最小化は導入されず、任意の自己学習ベースのUDAメソッドを改善するためにドロップイン拡張として使用することができる。
論文 参考訳(メタデータ) (2022-07-14T11:30:38Z) - Weakly-supervised segmentation of referring expressions [81.73850439141374]
テキスト基底セマンティックSEGmentationは、ピクセルレベルのアノテーションなしで画像レベルの参照式から直接セグメンテーションマスクを学習する。
提案手法は,PhraseCutおよびRefCOCOデータセット上での表現セグメンテーションを弱教師付きで参照する際の有望な結果を示す。
論文 参考訳(メタデータ) (2022-05-10T07:52:24Z) - Semantically Adaptive Image-to-image Translation for Domain Adaptation
of Semantic Segmentation [1.8275108630751844]
街路シーンのセマンティックセグメンテーションにおけるドメイン適応の問題に対処する。
最先端のアプローチの多くは、結果が入力とセマンティックに一致していることを示しながら、ソースイメージの翻訳に重点を置いている。
画像のセマンティクスを利用して翻訳アルゴリズムを導くことも提案する。
論文 参考訳(メタデータ) (2020-09-02T16:16:50Z) - Phase Consistent Ecological Domain Adaptation [76.75730500201536]
意味的セグメンテーション(意味的セグメンテーション)の課題に焦点をあてる。そこでは、注釈付き合成データが多用されるが、実際のデータへのアノテートは困難である。
視覚心理学に触発された最初の基準は、2つの画像領域間の地図が位相保存であることである。
第2の基準は、照明剤や撮像センサーの特性に関わらず、その画像に現れる環境統計、またはシーン内の規則を活用することを目的としている。
論文 参考訳(メタデータ) (2020-04-10T06:58:03Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。