論文の概要: Contextual Reliability: When Different Features Matter in Different Contexts

• arxiv url: http://arxiv.org/abs/2307.10026v1
• Date: Wed, 19 Jul 2023 15:11:04 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-20 13:39:04.820145
• Title: Contextual Reliability: When Different Features Matter in Different Contexts
• Title（参考訳）: コンテキストの信頼性: 異なる機能が異なるコンテキストで重要なとき
• Authors: Gaurav Ghosal, Amrith Setlur, Daniel S. Brown, Anca D. Dragan, and Aditi Raghunathan
• Abstract要約: ディープニューラルネットワークは、しばしば急激な相関に頼って破滅的に失敗する。 我々は、使用すべき"右"機能がコンテキストによって異なる可能性があるという事実を考慮し、コンテキスト信頼性と呼ばれる新しい設定を定式化する。
• 参考スコア（独自算出の注目度）: 45.10018009376272
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep neural networks often fail catastrophically by relying on spurious correlations. Most prior work assumes a clear dichotomy into spurious and reliable features; however, this is often unrealistic. For example, most of the time we do not want an autonomous car to simply copy the speed of surrounding cars -- we don't want our car to run a red light if a neighboring car does so. However, we cannot simply enforce invariance to next-lane speed, since it could provide valuable information about an unobservable pedestrian at a crosswalk. Thus, universally ignoring features that are sometimes (but not always) reliable can lead to non-robust performance. We formalize a new setting called contextual reliability which accounts for the fact that the "right" features to use may vary depending on the context. We propose and analyze a two-stage framework called Explicit Non-spurious feature Prediction (ENP) which first identifies the relevant features to use for a given context, then trains a model to rely exclusively on these features. Our work theoretically and empirically demonstrates the advantages of ENP over existing methods and provides new benchmarks for contextual reliability.
• Abstract（参考訳）: 深いニューラルネットワークは、しばしば急激な相関に頼って破滅的に失敗する。 ほとんどの先行研究は、鮮明な二分法を刺激的で信頼性のある特徴に仮定するが、これはしばしば非現実的である。 例えば、自動運転車が周囲の車のスピードを単純にコピーするのを望まない場合、ほとんどの場合、隣の車がそうすれば、車は赤信号で走ることを望んでいません。 しかし、横断歩道で観察不能な歩行者に関する貴重な情報を提供できるため、単に次の車線速度にばらつきを課すことはできない。 したがって、時々(常に)信頼できる機能を普遍的に無視することは、非破壊的なパフォーマンスにつながる可能性がある。 我々は、使用する"右"機能がコンテキストによって異なる可能性があるという事実を考慮し、コンテキスト信頼性と呼ばれる新しい設定を定式化する。 まず、特定のコンテキストで使用する関連する機能を識別し、その後、これらの機能のみに依存するようにモデルをトレーニングする。 我々の研究は理論的・実証的に既存の手法よりもENPの利点を実証し、文脈的信頼性のための新しいベンチマークを提供する。

関連論文リスト

• Temporal Correlation Meets Embedding: Towards a 2nd Generation of JDE-based Real-Time Multi-Object Tracking [52.04679257903805]
  共同検出・埋め込み(JDE)トラッカーは多目的追跡(MOT)タスクにおいて優れた性能を示した。 TCBTrackという名前のトラッカーは、複数の公開ベンチマークで最先端のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2024-07-19T07:48:45Z)
• QoS prediction in radio vehicular environments via prior user information [54.853542701389074]
  セルラーテストネットワークから収集したデータを用いて,時間帯を予測するためのMLツリーアンサンブル手法の評価を行った。 具体的には、先行車両の情報を含め、無線環境から得られる測定値の相関を利用して、目標車両の予測を強化する。
  論文  参考訳（メタデータ） (2024-02-27T17:05:41Z)
• Adversarial Examples Are Not Real Features [55.5802648842869]
  citetilyas 2019adversarialのよく知られた理論は、データの観点から敵の脆弱性を説明する。 我々は、複数の学習パラダイムを取り入れることで、理論をより大きな文脈から再検討する。
  論文  参考訳（メタデータ） (2023-10-29T08:50:27Z)
• SFD2: Semantic-guided Feature Detection and Description [34.36397639248686]
  本稿では,検出プロセスと記述プロセスの両方にハイレベルなセマンティクスを暗黙的に埋め込むことで,グローバルに信頼性の高い特徴を抽出することを提案する。 具体的には、セマンティック・アウェア・ディテクターは、信頼性のある領域からキーポイントを検出し、信頼できない領域を抑えることができる。 これにより、外観変化に敏感な特徴の数を減らすことにより、キーポイントマッチングの精度が向上する。
  論文  参考訳（メタデータ） (2023-04-28T13:34:26Z)
• Real Time Monocular Vehicle Velocity Estimation using Synthetic Data [78.85123603488664]
  移動車に搭載されたカメラから車両の速度を推定する問題を考察する。 そこで本研究では,まずオフ・ザ・シェルフ・トラッカーを用いて車両バウンディングボックスを抽出し,その後,小型ニューラルネットワークを用いて車両速度を回帰する2段階のアプローチを提案する。
  論文  参考訳（メタデータ） (2021-09-16T13:10:27Z)
• Data Driven VRP: A Neural Network Model to Learn Hidden Preferences for VRP [9.434400627011108]
  ニューラルネットワークモデルを用いてアーク確率を推定し、追加機能と自動パラメータ推定を可能にする。 本稿では,従来のマルコフ計数手法との違いについて検討し,この設定におけるニューラルネットワークの適用性について検討する。
  論文  参考訳（メタデータ） (2021-08-10T10:53:44Z)
• Multi-task Learning with Attention for End-to-end Autonomous Driving [5.612688040565424]
  条件模倣学習フレームワークにおける新しいマルチタスク注意認識ネットワークを提案する。 これにより、標準ベンチマークの成功率を向上させるだけでなく、トラフィックライトに反応する能力も向上します。
  論文  参考訳（メタデータ） (2021-04-21T20:34:57Z)
• Short-term bus travel time prediction for transfer synchronization with intelligent uncertainty handling [12.504473943407092]
  マルチリンクバスの走行時間問題に適応・拡張した不確実性推定のための2つの新しいアプローチを提案する。 不確実性は、反復的な人工ニューラルネットワークの一部として直接モデル化されるが、2つの根本的に異なるアプローチを用いる。
  論文  参考訳（メタデータ） (2021-04-14T12:38:27Z)
• Predicting Pedestrian Crossing Intention with Feature Fusion and Spatio-Temporal Attention [0.0]
  歩行者の交差の意図は都市運転のためにリアルタイムで認識されるべきです。 最近の研究は、このタスクに視覚ベースのディープニューラルネットワークモデルを使用することの可能性を示している。 本研究は,歩行者横断意図予測において,本質的に異なる時間的特徴を融合するニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-04-12T14:10:25Z)
• Studying Person-Specific Pointing and Gaze Behavior for Multimodal Referencing of Outside Objects from a Moving Vehicle [58.720142291102135]
  物体選択と参照のための自動車応用において、手指しと目視が広く研究されている。 既存の車外参照手法は静的な状況に重点を置いているが、移動車両の状況は極めて動的であり、安全性に制約がある。 本研究では,外部オブジェクトを参照するタスクにおいて,各モダリティの具体的特徴とそれら間の相互作用について検討する。
  論文  参考訳（メタデータ） (2020-09-23T14:56:19Z)

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。