道路上の予期せぬ物体1つが事故を引き起こすか、または怪我につながる可能性があります。これを防ぐためには、道路上の異常な物体を見つける信頼性のあるメカニズムが必要です。この課題は「異常セグメンテーション」と呼ばれ、安全で信頼性の高い自動運転への重要な一歩となる可能性があります。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使用し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んでいます。しかし、ピクセルのグループ化は個々の異常オブジェクトのセグメンテーション性能評価において制約要因となっています。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に、我々は正確な異常インスタンスマスクを生成する手法を提案します。我々の手法は、不確かな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、異常インスタンスのセグメンテーションを行う汎用的な強力なセグメンテーションモデルを中心に構築されています。不確かな領域を使用してこのようなセグメンテーションモデルが異常インスタンスのセグメンテーションを行うように導く方法について調査しています。汎用モデルからの強いオブジェクト事前情報を取り入れることで、さらにピクセルレベルでの異常セグメンテーション性能を向上させています。我々の手法は現在のピクセルレベルでの異常セグメンテーション手法よりも優れており、Fishyscapes Lost and Found および RoadAnomaly バリデーションセットにおいてそれぞれ AP 80.08% および 88.98% を達成しています。プロジェクトページ: https://vision.rwth-aachen.de/ugains