データセットが視覚技術の進歩を牽引していますが、現存する自動運転用のデータセットは、視覚的なコンテンツや複数タスク学習を研究するために必要なタスクのサポートにおいて不足しています。研究者は通常、1つのデータセットで少数の問題を研究することに制約されていますが、実世界のコンピュータビジョンアプリケーションでは、さまざまな複雑さを持つタスクを処理する必要があります。私たちは、自動運転における画像認識アルゴリズムの著しい進歩を評価するため、最大規模のドライビングビデオデータセットであるBDD100K（10万本のビデオと10つのタスク）を構築しました。このデータセットは地理的、環境的、気象的な多様性を持ち、新しい条件に驚かされることなくモデルを訓練するのに役立ちます。この多様なデータセットに基づいて、私たちは異種複数タスク学習のベンチマークを構築し、これらのタスクを同時に解決する方法について研究しました。実験結果は、既存のモデルがこのような異種タスクを行うために特別なトレーニング戦略が必要であることを示しています。BDD100Kは、この重要な分野での今後の研究への道を開きます。