論文の概要: STRIDE: Street View-based Environmental Feature Detection and Pedestrian Collision Prediction

• arxiv url: http://arxiv.org/abs/2308.13183v1
• Date: Fri, 25 Aug 2023 05:25:01 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-28 15:01:35.153450
• Title: STRIDE: Street View-based Environmental Feature Detection and Pedestrian Collision Prediction
• Title（参考訳）: stride:ストリートビューに基づく環境特徴検出と歩行者衝突予測
• Authors: Cristina Gonz\'alez, Nicol\'as Ayobi, Felipe Escall\'on, Laura Baldovino-Chiquillo, Maria Wilches-Mogoll\'on, Donny Pasos, Nicole Ram\'irez, Jose Pinz\'on, Olga Sarmiento, D Alex Quistberg, Pablo Arbel\'aez
• Abstract要約: 本研究では,大規模なパノラマ画像に構築された環境検知タスクと,歩行者衝突頻度予測タスクを導入する。 本実験は,建築環境要素の物体検出と歩行者衝突頻度予測との間に有意な相関関係を示す。
• 参考スコア（独自算出の注目度）: 1.002773173311891
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper introduces a novel benchmark to study the impact and relationship of built environment elements on pedestrian collision prediction, intending to enhance environmental awareness in autonomous driving systems to prevent pedestrian injuries actively. We introduce a built environment detection task in large-scale panoramic images and a detection-based pedestrian collision frequency prediction task. We propose a baseline method that incorporates a collision prediction module into a state-of-the-art detection model to tackle both tasks simultaneously. Our experiments demonstrate a significant correlation between object detection of built environment elements and pedestrian collision frequency prediction. Our results are a stepping stone towards understanding the interdependencies between built environment conditions and pedestrian safety.
• Abstract（参考訳）: 本稿では,歩行者の衝突予測に構築環境要素が与える影響と関係について,自律走行システムにおける環境意識を高めることを目的とした新しいベンチマークを提案する。 本研究では,大規模パノラマ画像における組込み環境検出タスクと,検出に基づく歩行者衝突頻度予測タスクを提案する。 本稿では,衝突予測モジュールを最先端検出モデルに組み込んだベースライン手法を提案する。 本実験は,ビルト環境要素の物体検出と歩行者衝突頻度予測との間に有意な相関を示す。 この結果は,建設環境と歩行者の安全性の相互依存性を理解するための足掛かりとなる。

関連論文リスト

• A Unified Probabilistic Approach to Traffic Conflict Detection [3.1457219084519004]
  本研究では,交通競合検出に対する統一的確率論的アプローチを提案する。 提案手法は,道路ユーザインタラクションのコンテキスト依存的な極端なイベントとしてトラフィック競合を定式化する,トラフィック競合検出の統一的な枠組みを確立する。 この結果は、交通インフラや政策の安全性評価を強化し、自動運転車の衝突警告システムを改善し、安全クリティカルな相互作用における道路利用者の行動の理解を深める可能性を強調している。
  論文  参考訳（メタデータ） (2024-07-15T17:55:36Z)
• Fairness in Autonomous Driving: Towards Understanding Confounding Factors in Object Detection under Challenging Weather [7.736445799116692]
  本研究では,最先端の変圧器を用いた物体検出装置において,歩行者の公正さを実証的に分析する。 古典的メトリクスに加えて,オブジェクト検出の様々な複雑な特性を測定するために,新しい確率ベースのメトリクスを導入する。 筆者らによる定量的分析では、現場の人口分布、天気の重大さ、歩行者のAV接近など、これまで見過ごされていた直感的な要因が、物体検出性能にどのように影響しているかを明らかにした。
  論文  参考訳（メタデータ） (2024-05-31T22:35:10Z)
• OOSTraj: Out-of-Sight Trajectory Prediction With Vision-Positioning Denoising [49.86409475232849]
  軌道予測はコンピュータビジョンと自律運転の基本である。 この分野における既存のアプローチは、しばしば正確で完全な観測データを仮定する。 本稿では,視覚的位置決め技術を利用した視線外軌道予測手法を提案する。
  論文  参考訳（メタデータ） (2024-04-02T18:30:29Z)
• Polar Collision Grids: Effective Interaction Modelling for Pedestrian Trajectory Prediction in Shared Space Using Collision Checks [3.809702129519642]
  軌道予測は、自動運転車の安全な航法にとって重要な能力である。 歩行者と歩行者の相互作用をモデル化することは、歩行者の軌道予測モデルの精度を高めることができる。
  論文  参考訳（メタデータ） (2023-08-13T00:20:22Z)
• COPILOT: Human-Environment Collision Prediction and Localization from Egocentric Videos [62.34712951567793]
  エゴセントリックな観測から人間と環境の衝突を予測する能力は、VR、AR、ウェアラブルアシストロボットなどのアプリケーションにおける衝突回避を可能にするために不可欠である。 本稿では、ボディマウントカメラから撮影した多視点エゴセントリックビデオから、多様な環境における衝突を予測するという課題を紹介する。 衝突予測と局所化を同時に行うために,COPILOTと呼ばれるトランスフォーマーモデルを提案する。
  論文  参考訳（メタデータ） (2022-10-04T17:49:23Z)
• Dynamics-Aware Spatiotemporal Occupancy Prediction in Urban Environments [37.00873004170998]
  本稿では,ディープネットワークアーキテクチャを用いて2つの機能を統合するフレームワークを提案する。 本手法は実世界のOpenデータセット上で検証され,ベースライン法よりも高い予測精度を示す。
  論文  参考訳（メタデータ） (2022-09-27T06:12:34Z)
• Human Trajectory Prediction via Counterfactual Analysis [87.67252000158601]
  複雑な動的環境における人間の軌道予測は、自律走行車やインテリジェントロボットにおいて重要な役割を果たす。 既存のほとんどの手法は、歴史の軌跡や環境からの相互作用の手がかりから行動の手がかりによって将来の軌跡を予測することを学習している。 本研究では,予測軌跡と入力手がかりの因果関係を調べるために,人間の軌跡予測に対する反実解析手法を提案する。
  論文  参考訳（メタデータ） (2021-07-29T17:41:34Z)
• Attention-based Neural Network for Driving Environment Complexity Perception [123.93460670568554]
  本稿では,周囲の運転環境の複雑さを予測するための,注目に基づく新しいニューラルネットワークモデルを提案する。 Yolo-v3オブジェクト検出アルゴリズム、ヒートマップ生成アルゴリズム、CNNベースの特徴抽出器、注目ベースの特徴抽出器で構成される。 提案するアテンションベースネットワークは,周囲環境の複雑さを分類する平均分類精度91.22%を達成している。
  論文  参考訳（メタデータ） (2021-06-21T17:27:11Z)
• 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)
• Implicit Latent Variable Model for Scene-Consistent Motion Forecasting [78.74510891099395]
  本稿では,センサデータから直接複雑な都市交通のシーン一貫性のある動き予測を学習することを目的とする。 我々は、シーンを相互作用グラフとしてモデル化し、強力なグラフニューラルネットワークを用いてシーンの分散潜在表現を学習する。
  論文  参考訳（メタデータ） (2020-07-23T14:31:25Z)

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。