RoadAnomaly

新框架无需重新训练即可检测自动驾驶中的道路异常

研究人员开发了一种新的自动驾驶异常分割框架，无需重新训练或OOD数据。这种后处理方法利用掩码Transformer分析掩码置信度并推导出多边形道路先验，从而识别潜在异常。基于CLIP的零样本语义过滤模块通过使用in-distribution提示来减少误报，进一步优化预测。该方法在Fishyscapes等基准测试中得到验证，表现稳健，优于现有基线，并在特定指标上实现了高精度。