摘要

数据集推动了视觉技术的进步，然而现有的驾驶数据集在视觉内容和所支持的任务方面较为贫乏，难以用于研究自动驾驶中的多任务学习。研究人员通常只能在一个数据集上研究一小部分问题，而现实世界中的计算机视觉应用则需要执行各种复杂度的任务。为此，我们构建了BDD100K，这是目前最大的驾驶视频数据集，包含10万段视频和10项任务，旨在评估图像识别算法在自动驾驶领域的最新进展。该数据集具有地理、环境和天气多样性，有助于训练对新条件反应更加稳定的模型。基于这一多样化的数据集，我们建立了一个异构多任务学习的基准，并研究如何共同解决这些任务。实验结果表明，现有的模型需要特殊的训练策略才能完成这些异构任务。BDD100K为未来在这个重要领域的研究打开了大门。