論文の概要: UGainS: Uncertainty Guided Anomaly Instance Segmentation
- arxiv url: http://arxiv.org/abs/2308.02046v1
- Date: Thu, 3 Aug 2023 20:55:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-07 14:31:46.082568
- Title: UGainS: Uncertainty Guided Anomaly Instance Segmentation
- Title(参考訳): UGainS: 不確実性ガイドによる異常インスタンスセグメンテーション
- Authors: Alexey Nekrasov, Alexander Hermans, Lars Kuhnert, Bastian Leibe
- Abstract要約: 道路上の1つの予期せぬ物体が事故を引き起こしたり、怪我を負うことがある。
現在のアプローチでは、各ピクセルに異常スコアを割り当てることで、異常セグメンテーションに取り組む。
本稿では, 高精度な異常マスクを生成する手法を提案する。
- 参考スコア(独自算出の注目度): 80.12253291709673
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A single unexpected object on the road can cause an accident or may lead to
injuries. To prevent this, we need a reliable mechanism for finding anomalous
objects on the road. This task, called anomaly segmentation, can be a stepping
stone to safe and reliable autonomous driving. Current approaches tackle
anomaly segmentation by assigning an anomaly score to each pixel and by
grouping anomalous regions using simple heuristics. However, pixel grouping is
a limiting factor when it comes to evaluating the segmentation performance of
individual anomalous objects. To address the issue of grouping multiple anomaly
instances into one, we propose an approach that produces accurate anomaly
instance masks. Our approach centers on an out-of-distribution segmentation
model for identifying uncertain regions and a strong generalist segmentation
model for anomaly instances segmentation. We investigate ways to use uncertain
regions to guide such a segmentation model to perform segmentation of anomalous
instances. By incorporating strong object priors from a generalist model we
additionally improve the per-pixel anomaly segmentation performance. Our
approach outperforms current pixel-level anomaly segmentation methods,
achieving an AP of 80.08% and 88.98% on the Fishyscapes Lost and Found and the
RoadAnomaly validation sets respectively. Project page:
https://vision.rwth-aachen.de/ugains
- Abstract(参考訳): 道路上の1つの予期せぬ物体が事故を引き起こしたり、怪我を負うことがある。
これを防ぐために、道路上の異常な物体を見つけるための信頼できるメカニズムが必要です。
anomaly segmentation(異常分割)と呼ばれるこのタスクは、安全で信頼性の高い自動運転への一歩になり得る。
現在のアプローチでは、各ピクセルに異常スコアを割り当て、単純なヒューリスティックを用いて異常領域をグループ化することで異常セグメンテーションに取り組む。
しかし、画素グループ化は、個々の異常物体のセグメンテーション性能を評価する上での限界要素である。
複数の異常インスタンスを1つにグループ化する問題に対処するため、我々は、正確な異常インスタンスマスクを生成するアプローチを提案する。
提案手法は,不確実領域を特定するための分布外セグメンテーションモデルと,異常インスタンスセグメンテーションのための強力なジェネリストセグメンテーションモデルに焦点を当てる。
このようなセグメンテーションモデルを導出して異常インスタンスのセグメンテーションを行うために不確実領域を利用する方法について検討する。
一般化モデルから強い対象を組み込むことにより,画素ごとの異常セグメンテーション性能も向上する。
提案手法は,現行の画素レベルの異常セグメンテーション法より優れており,魚の生息地と発見地におけるAPの80.08%と88.98%をそれぞれ達成している。
プロジェクトページ: https://vision.rwth-aachen.de/ugains
関連論文リスト
- Root Cause Explanation of Outliers under Noisy Mechanisms [50.59446568076628]
因果過程は、しばしばグラフとしてモデル化され、エンティティはノードであり、パス/インターコネクションはエッジである。
既存の作業は、生成プロセスにおけるノードの寄与のみを考慮している。
根本原因を特定する際,各メカニズムの個々のエッジとノードについて検討する。
論文 参考訳(メタデータ) (2023-12-19T03:24:26Z) - Segment Every Out-of-Distribution Object [26.280149442075462]
本稿では,意味的セグメンテーションにおけるOoD検出の簡易かつ効果的なフレームワークであるS2Mと呼ばれる,異常な textbfScore textbfTo セグメンテーション textbfMask を変換する手法を提案する。
異常スコアをプロンプト可能なセグメンテーションモデルへのプロンプトに変換することで、S2Mはしきい値の選択を不要にする。
論文 参考訳(メタデータ) (2023-11-27T18:20:03Z) - A Generalist Framework for Panoptic Segmentation of Images and Videos [61.61453194912186]
我々は,タスクの帰納バイアスに頼ることなく,離散的なデータ生成問題としてパノプティクスセグメンテーションを定式化する。
単純な構造と一般的な損失関数を持つパノスコープマスクをモデル化するための拡散モデルを提案する。
本手法は,動画を(ストリーミング環境で)モデル化し,オブジェクトのインスタンスを自動的に追跡することを学ぶ。
論文 参考訳(メタデータ) (2022-10-12T16:18:25Z) - Segmenting Known Objects and Unseen Unknowns without Prior Knowledge [86.46204148650328]
全体論的セグメンテーションは、目に見えない未知のカテゴリのオブジェクトを、それに関する事前の知識なしにインスタンスに識別し、分離することを目的としている。
U3HSでは、未知の領域を極めて不確実な領域として見つけ、対応するインスタンス認識の埋め込みを個々のオブジェクトにクラスタ化する。
MS、Cityscapes、Lost&Foundの公開データに関する実験は、U3HSの有効性を実証している。
論文 参考訳(メタデータ) (2022-09-12T16:59:36Z) - Self-Supervised Training with Autoencoders for Visual Anomaly Detection [55.52743265122446]
ディープオートエンコーダは視覚領域における異常検出のタスクに使われてきた。
我々は、訓練中に識別情報を使用することが可能な自己指導型学習体制を適用することで、この問題に対処する。
MVTec ADデータセットを用いた実験では,高い検出性能と局所化性能を示した。
論文 参考訳(メタデータ) (2022-06-23T14:16:30Z) - AnoSeg: Anomaly Segmentation Network Using Self-Supervised Learning [11.234583962952891]
本稿では、自己教師付き学習を用いて、正確な異常マップを直接生成できる新しい異常分割ネットワーク(AnoSeg)を提案する。
高精度な異常セグメンテーションのために提案されたAnoSegは、3つの新しい手法を考察している。
実験の結果,提案手法はMVTec ADデータセットに対して,最先端の異常検出および異常セグメンテーション法よりも優れていることがわかった。
論文 参考訳(メタデータ) (2021-10-07T12:36:36Z) - FSNet: A Failure Detection Framework for Semantic Segmentation [9.453250122818808]
画素レベルの誤分類を識別するための故障検出フレームワークを提案する。
セグメンテーションモデルの内部機能を利用して、障害検出ネットワークで同時にトレーニングする。
我々は,最先端手法に対する提案手法の評価を行い,12.30%,9.46%,9.65%の性能改善を実現した。
論文 参考訳(メタデータ) (2021-08-19T15:26:52Z) - Detecting Anomalies in Semantic Segmentation with Prototypes [23.999211737485812]
本稿では,プロトタイプ学習による異常セグメンテーションに対処することを提案する。
我々のアプローチは、過去の作品よりも大きな差で、新しい芸術の状態を達成している。
論文 参考訳(メタデータ) (2021-06-01T13:22:33Z) - SegmentMeIfYouCan: A Benchmark for Anomaly Segmentation [111.61261419566908]
ディープニューラルネットワーク(DNN)は通常、閉集合のセマンティッククラスで訓練される。
未発見のオブジェクトを扱うには不備だ。
このような物体の検出と局在化は、自動運転の認識などの安全クリティカルなアプリケーションに不可欠です。
論文 参考訳(メタデータ) (2021-04-30T07:58:19Z) - Pixel-wise Anomaly Detection in Complex Driving Scenes [30.884375526254836]
本稿では,不確実性マップを用いて異常検出を改善する画素方向異常検出フレームワークを提案する。
私たちのアプローチは、すでにトレーニング済みのセグメンテーションネットワークの一般的なフレームワークとして機能します。
さまざまな異常データセットを対象としたトップ2パフォーマンスは、異なる異常インスタンスを扱うアプローチの堅牢性を示している。
論文 参考訳(メタデータ) (2021-03-09T14:26:20Z)
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。