未知の物体検出用スニッファー：未知の物体を見逃さないでください

最近提案されたオープンワールド物体検出とオープンセット検出は、これまでに見たことのない物体を見つけることや既知の物体と区別することにおいて画期的な進展を遂げました。しかし、既知のクラスから未知のクラスへの知識転送に関する研究は十分ではなく、背景に隠れた未知の物体を検出する能力が乏しいという問題があります。本論文では、未知および既知の物体を見つけ出す「未知嗅覚器（Unknown Sniffer: UnSniffer）」を提案します。まず、汎用化された物体信頼度（Generalized Object Confidence: GOC）スコアを導入します。これは、監視に既知のサンプルのみを使用し、背景にある未知の物体に対する不適切な抑制を避けるものです。重要な点は、既知の物体から学習した信頼度スコアが未知の物体にも一般化できることです。さらに、背景にある非物体サンプルをより強く抑制するために負エネルギー抑制損失（Negative Energy Suppression Loss）を提案します。次に、推論時に各未知の物体の最良ボックスを得ることが難しくなる問題があります。これは訓練中にそれらの意味情報が欠けているためです。この課題を解決するために、手動で設計された最大値抑制（Non-Maximum Suppression: NMS）後処理に代わるグラフベースの決定スキームを導入します。最後に、我々は「未知物体検出ベンチマーク」を提示します。これは我々が知る限り初めて公開されるベンチマークであり、未知物体検出の精度評価を包括的にカバーしています。実験結果は、我々の方法が既存の最先端手法よりも遥かに優れていることを示しています。