论文标题：GOSS: Towards Generalized Open-set Semantic Segmentation

论文链接：https://arxiv.org/abs/2203.12116

作者单位：澳大利亚国立大学 & Data61-CSIRO & 蒙纳士大学

在本文中，我们提出并研究了一种新的图像分割任务，称为广义开放集语义分割（GOSS）。以前，通过众所周知的开放集语义分割（OSS），智能代理仅检测未知区域而无需进一步处理，从而限制了它们对环境的感知。理所当然地，进一步分析检测到的未知像素将是有益的。因此，我们提出了 GOSS，它以整体的方式统一了两个定义明确的分割任务的能力，即 OSS 和通用分割（GS）。具体来说，GOSS 将像素分类为属于已知类别，并且未知类别的像素簇（或组）1 被标记为此类。为了评估这个新的扩展任务，我们进一步提出了一个平衡像素分类和聚类方面的指标。此外，我们在现有数据集之上构建基准测试，并提出一个简单的神经架构作为基线，它共同预测开放集设置下的像素分类和聚类。我们在多个基准上的实验证明了我们基线的有效性。我们相信我们的新 GOSS 任务可以为未来的研究提供富有表现力的图像理解。

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除