UGainS: 불확실성 안내된 이상 징후 인스턴스 분할

도로 위에 있는 단 하나의 예상치 못한 물체가 사고를 일으키거나 부상을 초래할 수 있습니다. 이를 방지하기 위해서는 도로 위의 비정상적인 물체를 찾을 수 있는 신뢰성 있는 메커니즘이 필요합니다. 이 작업은 이상 분할(anomaly segmentation)이라고 불리며, 안전하고 신뢰성 있는 자율 주행을 위한 중요한 단계가 될 수 있습니다. 현재 접근 방식은 각 픽셀에 이상 점수를 할당하고 간단한 휴리스틱을 사용하여 비정상 영역을 그룹화하는 방법으로 이상 분할 문제를 다루고 있습니다. 그러나 픽셀 그룹화는 개별 비정상 물체의 분할 성능 평가 시 제약 요인이 됩니다. 여러 이상 인스턴스를 하나로 그룹화하는 문제를 해결하기 위해, 우리는 정확한 이상 인스턴스 마스크를 생성하는 접근 방식을 제안합니다. 우리의 접근 방식은 불확실한 영역을 식별하기 위한 분포 외(out-of-distribution) 분할 모델과 이상 인스턴스 분할을 위한 강력한 일반주의(generalist) 분할 모델에 중점을 둡니다. 우리는 불확실한 영역을 활용하여 이러한 분할 모델이 비정상 인스턴스의 분할을 수행하도록 유도하는 방법을 연구하였습니다. 일반주의 모델에서 얻은 강력한 객체 사전 정보(object priors)를 통합함으로써 픽셀 당 이상 분할 성능 또한 향상시켰습니다. 우리의 접근 방식은 현재 픽셀 레벨의 이상 분할 방법들을 능가하며, Fishyscapes Lost and Found 및 RoadAnomaly 검증 세트에서 각각 80.08%와 88.98%의 AP(Average Precision) 값을 달성하였습니다.프로젝트 페이지: https://vision.rwth-aachen.de/ugains