본 논문에서는 오픈 월드 환경에서 주행하는 자율 주행 차량이 기존에 보지 못한 물체 클래스를 만날 수 있다는 점에 착안하여, 알려지지 않은 물체 인스턴스를 탐지하는 불확실성 기반 오픈셋 패노라마 분할 프레임워크인 ULOPS를 제안합니다. Dirichlet 기반 증거 학습을 활용하여 예측 불확실성을 모델링하고, 불확실성 추정을 포함한 의미 분할, 프로토타입 연관을 위한 임베딩, 인스턴스 중심 예측을 위한 별도의 디코더를 통합합니다. 추론 과정에서 불확실성 추정치를 활용하여 알려지지 않은 인스턴스를 식별하고 분할합니다. 알려진 객체와 알려지지 않은 객체를 구분하는 모델의 능력을 강화하기 위해 세 가지 불확실성 기반 손실 함수(Uniform Evidence Loss, Adaptive Uncertainty Separation Loss, Contrastive Uncertainty Loss)를 도입합니다. KITTI-360에 대한 벤치마크 설정을 확장하고 nuScenes에 대한 새로운 오픈셋 평가를 도입하여 오픈셋 성능을 평가하며, 기존 방법보다 우수한 성능을 보임을 실험적으로 입증합니다.
