복잡한 주행 환경에서의 픽셀 단위 이상 탐지

최근의 최첨단 의미론적 세분화 기법들은 이상 현상을 탐지하는 데 한계를 보이며, 자율 주행과 같은 안전이 중요한 복잡한 응용 분야에 적용되는 것을 방해하고 있다. 최근의 접근 방식들은 either 세분화 불확실성을 활용하여 이상 영역을 식별하거나, 의미 레이블 맵에서 이미지를 재생성하여 입력 이미지와의 차이를 탐지하는 방식에 초점을 맞추고 있다. 본 연구에서는 이러한 두 가지 접근 방식이 상호보완적인 정보를 포함하고 있으며, 이를 결합함으로써 이상 세분화에 대해 강력한 예측을 가능하게 함을 입증한다. 우리는 입력 이미지와 생성된 이미지 간의 차이를 탐지하는 데 있어 기존의 재생성 기법을 개선하기 위해 불확실성 맵을 활용하는 픽셀 단위의 이상 탐지 프레임워크를 제안한다. 본 방법은 이미 학습된 세분화 네트워크 주변에서 작동하는 일반적인 프레임워크로, 세분화 정확도를 훼손하지 않으면서 이상 탐지가 가능하며, 유사한 모든 기법들보다 현저히 뛰어난 성능을 보인다. 다양한 이상 데이터셋에서 상위 2위 성능을 기록함으로써, 본 방법이 다양한 종류의 이상 현상 처리에 있어 뛰어난 강건성을 가지며, 실제 응용 가능성 또한 높음을 입증한다.