論文の概要: Plausibility Verification For 3D Object Detectors Using Energy-Based Optimization

• arxiv url: http://arxiv.org/abs/2211.05233v1
• Date: Wed, 2 Nov 2022 15:35:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-13 23:21:22.356648
• Title: Plausibility Verification For 3D Object Detectors Using Energy-Based Optimization
• Title（参考訳）: エネルギーベース最適化による3次元物体検出器の信頼性検証
• Authors: Abhishek Vivekanandan, Niels Maier, J. Marius Zoellner
• Abstract要約: この作業は、妥当性フレームワークを提案し、MonoRUnモデルから3Dオブジェクトの提案を検証することを目的としている。 また、エネルギーモデルを表す複合エネルギー関数の最適化を改善するために、2段階の新たなスキーマを用いる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Environmental perception obtained via object detectors have no predictable safety layer encoded into their model schema, which creates the question of trustworthiness about the system's prediction. As can be seen from recent adversarial attacks, most of the current object detection networks are vulnerable to input tampering, which in the real world could compromise the safety of autonomous vehicles. The problem would be amplified even more when uncertainty errors could not propagate into the submodules, if these are not a part of the end-to-end system design. To address these concerns, a parallel module which verifies the predictions of the object proposals coming out of Deep Neural Networks are required. This work aims to verify 3D object proposals from MonoRUn model by proposing a plausibility framework that leverages cross sensor streams to reduce false positives. The verification metric being proposed uses prior knowledge in the form of four different energy functions, each utilizing a certain prior to output an energy value leading to a plausibility justification for the hypothesis under consideration. We also employ a novel two-step schema to improve the optimization of the composite energy function representing the energy model.
• Abstract（参考訳）: 物体検知器を介して得られた環境認識は、予測可能な安全層をモデルスキーマにエンコードしていないため、システムの予測に対する信頼性の問題が生じる。 最近の敵対的攻撃からわかるように、現在のオブジェクト検出ネットワークのほとんどが入力改ざんに対して脆弱であり、現実世界では自動運転車の安全性を損なう可能性がある。 もしそれがエンドツーエンドシステム設計の一部でなければ、不確実性エラーがサブモジュールに伝播できなければ、問題はさらに増幅されるだろう。 これらの懸念に対処するためには、ディープニューラルネットワークから出てくるオブジェクト提案の予測を検証する並列モジュールが必要である。 本研究の目的は,クロスセンサストリームを利用した偽陽性の低減のための妥当性フレームワークを提案することで,MonoRUnモデルからの3Dオブジェクト提案を検証することである。 提案されている検証基準は、4つの異なるエネルギー関数の形で事前の知識を使用し、それぞれが考慮中の仮説の正当性正当化につながるエネルギー値を出力する。 また,エネルギーモデルを表す複合エネルギー関数の最適化を改善するために,新しい2段階スキーマを用いる。

関連論文リスト

• Integrity Monitoring of 3D Object Detection in Automated Driving Systems using Raw Activation Patterns and Spatial Filtering [12.384452095533396]
  ディープニューラルネットワーク(DNN)モデルは、自動運転システム(ADS)における物体検出に広く利用されている。 しかし、そのようなモデルは、重大な安全性に影響を及ぼす可能性のあるエラーを起こしやすい。 このようなエラーを検知することを目的とした検査・自己評価モデルは、ADSの安全な配置において最重要となる。
  論文  参考訳（メタデータ） (2024-05-13T10:03:03Z)
• Gaussian Mixture Models for Affordance Learning using Bayesian Networks [50.18477618198277]
  Affordancesはアクション、オブジェクト、エフェクト間の関係の基本的な記述である。 本稿では,世界を探究し,その感覚経験から自律的にこれらの余裕を学習するエンボディエージェントの問題にアプローチする。
  論文  参考訳（メタデータ） (2024-02-08T22:05:45Z)
• Physics-Informed Convolutional Autoencoder for Cyber Anomaly Detection in Power Distribution Grids [0.0]
  本稿では,物理インフォームド・コンボリューション・オートエンコーダ(PIConvAE)を提案する。 提案モデルは、Kirchhoffの法則を適用して、ニューラルネットワークの損失関数に物理原理を統合する。
  論文  参考訳（メタデータ） (2023-12-08T00:05:13Z)
• Ring-A-Bell! How Reliable are Concept Removal Methods for Diffusion Models? [52.238883592674696]
  Ring-A-Bellは、T2I拡散モデルのためのモデルに依存しないレッドチームツールである。 これは、不適切なコンテンツの生成に対応する拡散モデルに対する問題的プロンプトを特定する。 この結果から,安全プロンプトベンチマークの操作により,既存の安全メカニズムを回避できると考えられるプロンプトを変換できることが示唆された。
  論文  参考訳（メタデータ） (2023-10-16T02:11:20Z)
• Uncertainty-Aware AB3DMOT by Variational 3D Object Detection [74.8441634948334]
  不確実性推定は統計的に正確な予測を提供する効果的なツールである。 本稿では,変分ニューラルネットワークを用いたTANet 3Dオブジェクト検出器を提案し,不確実性のある3Dオブジェクト検出を行う。
  論文  参考訳（メタデータ） (2023-02-12T14:30:03Z)
• GLENet: Boosting 3D Object Detectors with Generative Label Uncertainty Estimation [70.75100533512021]
  本稿では,対象物の潜在的可算有界箱の多様性として,ラベルの不確実性問題を定式化する。 本稿では,条件付き変分オートエンコーダを応用した生成フレームワークであるGLENetを提案する。 GLENetが生成するラベルの不確実性はプラグアンドプレイモジュールであり、既存のディープ3D検出器に便利に統合することができる。
  論文  参考訳（メタデータ） (2022-07-06T06:26:17Z)
• Exploring the Trade-off between Plausibility, Change Intensity and Adversarial Power in Counterfactual Explanations using Multi-objective Optimization [73.89239820192894]
  自動対物生成は、生成した対物インスタンスのいくつかの側面を考慮すべきである。 本稿では, 対実例生成のための新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2022-05-20T15:02:53Z)
• Suspected Object Matters: Rethinking Model's Prediction for One-stage Visual Grounding [93.82542533426766]
  疑似オブジェクト間の対象オブジェクト選択を促進するため,疑似オブジェクト変換機構(SOT)を提案する。 SOTは既存のCNNとTransformerベースのワンステージ視覚グラウンドにシームレスに統合できる。 実験の結果,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2022-03-10T06:41:07Z)
• Probabilistic Approach for Road-Users Detection [0.0]
  最先端のディープラーニングに基づくオブジェクト検出における大きな課題の1つは、自信過剰なスコアで発生する偽陽性である。 本稿では, 深層物体検出ネットワークに新しい確率層を導入することにより, 過信予測の問題を緩和する手法を提案する。 提案手法は, 真正に対する性能を劣化させることなく, 偽正の過信を低減できることを実証した。
  論文  参考訳（メタデータ） (2021-12-02T16:02:08Z)
• Inter-Domain Fusion for Enhanced Intrusion Detection in Power Systems: An Evidence Theoretic and Meta-Heuristic Approach [0.0]
  ICSネットワークにおけるIDSによる不正な警告は、経済的および運用上の重大な損害をもたらす可能性がある。 本研究は,CPS電力系統における誤警報の事前分布を伴わずに不確実性に対処し,誤警報を低減する手法を提案する。
  論文  参考訳（メタデータ） (2021-11-20T00:05:39Z)

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。