複雑なドライビングシーンにおけるピクセル単位の異常検出

最先端のセマンティックセグメンテーション手法が異常インスタンスを検出できないという限界は、自動運転などの安全が求められる複雑な応用分野への展開を阻んでいる。近年のアプローチでは、セグメンテーションの不確実性を活用して異常領域を特定する方法、あるいはセマンティックラベルマップから画像を再合成し、入力画像との相違を検出する方法が主に注目されている。本研究では、これらの二つのアプローチが補完的な情報を含み、組み合わせることで異常セグメンテーションに対する堅牢な予測を実現できることを示す。我々は、入力画像と生成画像の相違を検出する際、既存の再合成手法を上回る性能を発揮するため、不確実性マップを用いたピクセル単位の異常検出フレームワークを提案する。本手法は、すでに訓練済みのセグメンテーションネットワークの周囲に適用可能な汎用的な枠組みとして機能し、セグメンテーション精度を損なうことなく異常検出を実現する。さらに、同種の手法と比較して顕著に優れた性能を示す。異なる異常データセットにおいてトップ2の性能を達成したことから、本手法が多様な異常インスタンスに対応する堅牢性を有していることが示された。