論文の概要: Assessing Cross-dataset Generalization of Pedestrian Crossing Predictors

• arxiv url: http://arxiv.org/abs/2201.12626v1
• Date: Sat, 29 Jan 2022 17:25:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-03 11:00:02.430052
• Title: Assessing Cross-dataset Generalization of Pedestrian Crossing Predictors
• Title（参考訳）: 歩行者交差予測器のクロスデータセット一般化の評価
• Authors: Joseph Gesnouin, Steve Pechberti, Bogdan Stanciulescu and Fabien Moutarde
• Abstract要約: 現在最先端の歩行者行動予測器は、セナリイのクロスデータセット評価において不十分に一般化されている。 歩行者横断予測の未来は、モデルを調整し、非常に少ないデータで訓練し、古典的な列車テストのシナリオで、実際の生活における行動について何でも推測する意思を持ってテストすべきである、と我々は主張する。
• 参考スコア（独自算出の注目度）: 1.5293427903448025
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Pedestrian crossing prediction has been a topic of active research, resulting in many new algorithmic solutions. While measuring the overall progress of those solutions over time tends to be more and more established due to the new publicly available benchmark and standardized evaluation procedures, knowing how well existing predictors react to unseen data remains an unanswered question. This evaluation is imperative as serviceable crossing behavior predictors should be set to work in various scenarii without compromising pedestrian safety due to misprediction. To this end, we conduct a study based on direct cross-dataset evaluation. Our experiments show that current state-of-the-art pedestrian behavior predictors generalize poorly in cross-dataset evaluation scenarii, regardless of their robustness during a direct training-test set evaluation setting. In the light of what we observe, we argue that the future of pedestrian crossing prediction, e.g. reliable and generalizable implementations, should not be about tailoring models, trained with very little available data, and tested in a classical train-test scenario with the will to infer anything about their behavior in real life. It should be about evaluating models in a cross-dataset setting while considering their uncertainty estimates under domain shift.
• Abstract（参考訳）: 横断歩道の予測は活発な研究のトピックであり、多くの新しいアルゴリズム的解決策を生み出した。 新たなベンチマークと標準化された評価手順により、これらのソリューションの全体的な進捗を経た測定は、ますます確立される傾向にあるが、既存の予測者が、見当たらないデータにどの程度反応するかは、未解決の問題のままである。 この評価は,誤予測による歩行者の安全を損なうことなく,様々なスセナリでの利用を想定すべきである。 そこで本研究では,直接クロスデータセット評価に基づく研究を行う。 本研究は, 直接トレーニング・テスト・セット評価設定時のロバスト性によらず, 横断データ評価において, 現状の歩行者行動予測器が不十分に一般化していることを示すものである。 我々は, 歩行者横断予測の将来について, 信頼性と一般化可能な実装は, モデル調整ではなく, 利用可能なデータで訓練し, 実生活における行動について推測する意思を持って, 古典的な列車試験シナリオでテストすべきである,と論じる。 ドメインシフトの下での不確実性の推定を考慮しながら、データセット間の設定でモデルを評価すること。

関連論文リスト

• Deconfounding Time Series Forecasting [1.5967186772129907]
  時系列予測は様々な領域において重要な課題であり、正確な予測は情報的な意思決定を促進する。 従来の予測手法は、しばしば将来の結果を予測するために変数の現在の観測に依存している。 本稿では,過去のデータから得られた潜在的共同設立者の表現を取り入れた予測手法を提案する。
  論文  参考訳（メタデータ） (2024-10-27T12:45:42Z)
• Evaluating Pedestrian Trajectory Prediction Methods with Respect to Autonomous Driving [0.9217021281095907]
  本稿では,単一軌跡生成の文脈における歩行者軌跡予測における技術の現状を評価する。 評価は、平均変位誤差(ADE)と最終変位誤差(FDE)を報告した広く使われているETH/UCYデータセット上で行われる。
  論文  参考訳（メタデータ） (2023-08-09T19:21:50Z)
• Towards Motion Forecasting with Real-World Perception Inputs: Are End-to-End Approaches Competitive? [93.10694819127608]
  実世界の知覚入力を用いた予測手法の統一評価パイプラインを提案する。 我々の詳細な調査では、キュレートされたデータから知覚ベースのデータへ移行する際の大きなパフォーマンスギャップが明らかになりました。
  論文  参考訳（メタデータ） (2023-06-15T17:03:14Z)
• Toward Reliable Human Pose Forecasting with Uncertainty [51.628234388046195]
  我々は、複数のモデルを含む人間のポーズ予測のためのオープンソースのライブラリを開発し、複数のデータセットをサポートする。 我々は、パフォーマンスを高め、より良い信頼をもたらすために、問題の2つの不確実性を考案する。
  論文  参考訳（メタデータ） (2023-04-13T17:56:08Z)
• Towards Out-of-Distribution Sequential Event Prediction: A Causal Treatment [72.50906475214457]
  シーケンシャルなイベント予測の目標は、一連の歴史的なイベントに基づいて次のイベントを見積もることである。 実際には、次のイベント予測モデルは、一度に収集されたシーケンシャルなデータで訓練される。 文脈固有の表現を学習するための階層的な分岐構造を持つフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-24T07:54:13Z)
• Uncertainty estimation of pedestrian future trajectory using Bayesian approximation [137.00426219455116]
  動的トラフィックシナリオでは、決定論的予測に基づく計画は信頼できない。 著者らは、決定論的アプローチが捉えられない近似を用いて予測中の不確実性を定量化する。 将来の状態の不確実性に対する降雨重量と長期予測の影響について検討した。
  論文  参考訳（メタデータ） (2022-05-04T04:23:38Z)
• Learning Prediction Intervals for Model Performance [1.433758865948252]
  モデル性能の予測間隔を計算する手法を提案する。 我々は,幅広いドリフト条件におけるアプローチを評価し,競合ベースラインよりも大幅に改善することを示す。
  論文  参考訳（メタデータ） (2020-12-15T21:32:03Z)
• Robust Validation: Confident Predictions Even When Distributions Shift [19.327409270934474]
  本稿では,モデルが点予測ではなく,その予測に対して不確実な推定を行うような,頑健な予測推論の手順について述べる。 本稿では, トレーニング集団の周囲に$f$-divergence のボールを用いて, 任意のテスト分布に対して適切なカバレッジレベルを与える予測セットを生成する手法を提案する。 私たちの方法論の重要な構成要素は、将来のデータシフトの量を見積り、それに対する堅牢性を構築することです。
  論文  参考訳（メタデータ） (2020-08-10T17:09:16Z)
• Counterfactual Predictions under Runtime Confounding [74.90756694584839]
  本研究は, 過去のデータからすべての関連要因を抽出した環境で, 事実予測タスクについて検討する。 本稿では,この環境下での対実予測モデル学習のための2次ロバスト手法を提案する。
  論文  参考訳（メタデータ） (2020-06-30T15:49:05Z)
• Performance metrics for intervention-triggering prediction models do not reflect an expected reduction in outcomes from using the model [71.9860741092209]
  臨床研究者はしばしばリスク予測モデルの中から選択し評価する。 振り返りデータから算出される標準メトリクスは、特定の仮定の下でのみモデルユーティリティに関係します。 予測が時間を通して繰り返し配信される場合、標準メトリクスとユーティリティの関係はさらに複雑になる。
  論文  参考訳（メタデータ） (2020-06-02T16:26:49Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。