用于现实世界异常分类的潜在空间群集调节
原文中文，约300字，阅读约需1分钟。发表于：。自动驾驶领域的异常是自动驾驶车辆大规模部署的主要障碍。本研究聚焦于包含各种类型和尺寸的异常的城市场景的高分辨率摄像头数据。基于变分自动编码器，我们将其潜在空间设为条件，将样本分类为正常数据或异常数据。为了特别强调小的异常，我们进行了实验，在额外的输入中提供了差异图，并评估其对检测性能的影响。我们的方法将正常数据和异常数据分离到孤立的聚类中，同时还能重构高质量的图像，从而产生有意义的潜在表示。
本研究使用高分辨率摄像头数据，基于变分自动编码器将城市场景中的异常分为正常数据或异常数据，并将其分离到孤立的聚类中，同时能够重构高质量的图像。研究者提供了差异图，并评估其对检测性能的影响。
