要約
コンピュータビジョンアプリケーション、特に自動運転や医療画像解析など、安全に重大な影響を及ぼすセマンティックセグメンテーションの応用において、障害や異常の検出能力は信頼性の高いシステム構築に不可欠な要件である。本論文では、セマンティックセグメンテーションにおける障害および異常検出について体系的に研究し、これらの関連する問題を統一的に解決するフレームワークを提案する。本フレームワークは、2つのモジュールから構成される。1つ目は、セグメンテーションレイアウトマップから合成画像を生成する画像合成モジュールであり、2つ目は合成画像と入力画像の差分を計算する比較モジュールである。我々のフレームワークは、3つの困難なデータセット上で検証され、従来の最先端技術を大幅に上回る性能を達成した。具体的には、CityscapesデータセットにおいてAUPR-Errorが6%向上、MSDにおける膵腫瘍セグメンテーションではピアソン相関係数が7%向上、StreetHazardsの異常セグメンテーションではAUPRが20%向上した。