論文の概要: Can Foundation Models Reliably Identify Spatial Hazards? A Case Study on Curb Segmentation

• arxiv url: http://arxiv.org/abs/2406.07202v1
• Date: Tue, 11 Jun 2024 12:22:49 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-12 16:13:39.179316
• Title: Can Foundation Models Reliably Identify Spatial Hazards? A Case Study on Curb Segmentation
• Title（参考訳）: ファンデーションモデルは空間的危険を確実に特定できるか? : カーブセグメンテーションを事例として
• Authors: Diwei Sheng, Giles Hamilton-Fletcher, Mahya Beheshti, Chen Feng, John-Ross Rizzo,
• Abstract要約: カーブは、安全な歩行者ゾーンを車載交通の危険から解放する重要な境界として機能する。 縁石の視覚的識別は、都市環境における安全なナビゲーションを補助する補助技術において最重要である。 主要な基礎モデルをベンチマークするために,これまでで最大規模のセグメンテーションデータセットを導入します。
• 参考スコア（独自算出の注目度）: 5.860762863977338
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Curbs serve as vital borders that delineate safe pedestrian zones from potential vehicular traffic hazards. Curbs also represent a primary spatial hazard during dynamic navigation with significant stumbling potential. Such vulnerabilities are particularly exacerbated for persons with blindness and low vision (PBLV). Accurate visual-based discrimination of curbs is paramount for assistive technologies that aid PBLV with safe navigation in urban environments. Herein, we investigate the efficacy of curb segmentation for foundation models. We introduce the largest curb segmentation dataset to-date to benchmark leading foundation models. Our results show that state-of-the-art foundation models face significant challenges in curb segmentation. This is due to their high false-positive rates (up to 95%) with poor performance distinguishing curbs from curb-like objects or non-curb areas, such as sidewalks. In addition, the best-performing model averaged a 3.70-second inference time, underscoring problems in providing real-time assistance. In response, we propose solutions including filtered bounding box selections to achieve more accurate curb segmentation. Overall, despite the immediate flexibility of foundation models, their application for practical assistive technology applications still requires refinement. This research highlights the critical need for specialized datasets and tailored model training to address navigation challenges for PBLV and underscores implicit weaknesses in foundation models.
• Abstract（参考訳）: カーブは、安全な歩行者ゾーンを車載交通の危険から解放する重要な境界として機能する。 カーブはまた、大きな揺動ポテンシャルを持つダイナミックナビゲーションにおいて、主要な空間的危険を表現している。 このような脆弱性は、視覚障害者(PBLV)にとって特に悪化している。 都市環境におけるPBLVの安全なナビゲーションを支援する支援技術として, 縁石の正確な視覚的識別が最重要である。 そこで本研究では,基礎モデルに対する区切りセグメンテーションの有効性について検討する。 主要な基礎モデルをベンチマークするために,これまでで最大規模のセグメンテーションデータセットを導入します。 以上の結果から,現状の基盤モデルはセグメンテーションの抑制に重大な課題に直面していることがわかった。 これは、その高い偽陽性率(最大95%)が、縁石のような物体や歩道のような非曲率領域との違いを区別する性能が低いためである。 さらに、最高の性能モデルは平均3.70秒の推論時間であり、リアルタイムの補助を提供する際の問題を暗示している。 そこで本研究では,より正確な区切りセグメンテーションを実現するため,フィルタ付き境界ボックス選択を含む解を提案する。 全体としては、ファンデーションモデルの直接的な柔軟性にもかかわらず、実用支援技術の応用には改善が必要である。 この研究は、PBLVのナビゲーション課題に対処し、基礎モデルにおける暗黙の弱点を浮き彫りにする、特別なデータセットと調整されたモデルトレーニングの必要性を強調している。

関連論文リスト

• On-Road Object Importance Estimation: A New Dataset and A Model with Multi-Fold Top-Down Guidance [70.80612792049315]
  本稿では,交通オブジェクト重要度(TOI)という,新しい大規模データセットを提案する。 ボトムアップ機能とマルチフォールドトップダウンガイダンスを統合するモデルを提案する。 我々のモデルは最先端の手法を大きなマージンで上回る。
  論文  参考訳（メタデータ） (2024-11-26T06:37:10Z)
• PaveSAM Segment Anything for Pavement Distress [4.671701998390791]
  コンピュータビジョンを用いた舗装モニタリングは、手動の方法よりも効率的に正確に舗装条件を分析することができる。 しかし、ディープラーニングベースのセグメンテーションモデルは、しばしば教師付きであり、ピクセルレベルのアノテーションを必要とする。 本研究では,ゼロショット分割モデルPaveSAMを提案する。
  論文  参考訳（メタデータ） (2024-09-11T14:24:29Z)
• A Simple and Generalist Approach for Panoptic Segmentation [57.94892855772925]
  汎用的なビジョンモデルは、様々なビジョンタスクのための1つの同じアーキテクチャを目指している。 このような共有アーキテクチャは魅力的に思えるかもしれないが、ジェネラリストモデルは、その好奇心に満ちたモデルよりも優れている傾向にある。 一般モデルの望ましい性質を損なうことなく、2つの重要なコントリビューションを導入することでこの問題に対処する。
  論文  参考訳（メタデータ） (2024-08-29T13:02:12Z)
• Uncertainty modeling for fine-tuned implicit functions [10.902709236602536]
  入射関数は、スパースビューから詳細な物体形状を再構成するコンピュータビジョンにおいて重要な役割を担っている。 暗黙関数における不確実性推定手法であるDropsemblesを導入する。 その結果,Dropsemblesは深層アンサンブルの精度とキャリブレーションレベルを達成するが,計算コストは著しく低いことがわかった。
  論文  参考訳（メタデータ） (2024-06-17T20:46:18Z)
• CurbNet: Curb Detection Framework Based on LiDAR Point Cloud Segmentation [7.451629109566809]
  本稿では,ポイントクラウドセグメンテーションを利用した検出を抑える新しいフレームワークであるCurbNetを紹介する。 我々はセマンティックKITTIをベースとした3D-Curbデータセットを開発した。 xy平面上の凹凸特性の不均一分布と、z軸に沿った高周波特性への依存による課題に対処するため、マルチスケール・チャネルアテンション(MSCA)モジュールを導入する。
  論文  参考訳（メタデータ） (2024-03-25T14:13:09Z)
• LargeST: A Benchmark Dataset for Large-Scale Traffic Forecasting [65.71129509623587]
  道路交通予測はスマートシティのイニシアチブにおいて重要な役割を担い、ディープラーニングの力によって大きな進歩を遂げている。 しかし、現在の公開データセットで達成される有望な結果は、現実的なシナリオには適用できないかもしれない。 カリフォルニアで合計8,600のセンサーと5年間の時間カバレッジを含む、LargeSTベンチマークデータセットを紹介します。
  論文  参考訳（メタデータ） (2023-06-14T05:48:36Z)
• Towards Efficient Task-Driven Model Reprogramming with Foundation Models [52.411508216448716]
  ビジョンファウンデーションモデルは、非常に大きなモデルキャパシティと幅広いトレーニングデータから恩恵を受け、印象的なパワーを示す。 しかし、実際には、下流のシナリオは限られた計算資源や効率上の考慮のため、小さなモデルしかサポートできない。 これは、ファンデーションモデルの現実的な応用に重要な課題をもたらします。
  論文  参考訳（メタデータ） (2023-04-05T07:28:33Z)
• Benchmarking the Robustness of LiDAR Semantic Segmentation Models [78.6597530416523]
  本稿では,LiDARセマンティックセグメンテーションモデルのロバスト性を,様々な汚職の下で包括的に解析することを目的とする。 本稿では,悪天候,計測ノイズ,デバイス間不一致という3つのグループで16のドメイン外LiDAR破損を特徴とするSemanticKITTI-Cというベンチマークを提案する。 我々は、単純だが効果的な修正によってロバスト性を大幅に向上させるロバストLiDARセグメンテーションモデル(RLSeg)を設計する。
  論文  参考訳（メタデータ） (2023-01-03T06:47:31Z)
• Characterization of Semantic Segmentation Models on Mobile Platforms for Self-Navigation in Disaster-Struck Zones [0.46195413483289366]
  地震帯での自己航行は、道路のひび割れ、道路の破片、水たまりなどの不規則な形をした障害物を検出するというユニークな課題がある。 これらの場所での自己ナビゲーションのために,モバイル組み込みプラットフォーム上で多数の最先端のFCNモデルを特徴付ける。 我々は,地震・地震帯特有の障害を特定するために,最先端のセマンティックセマンティックセマンティクスモデルを用いてデータベースを訓練する。
  論文  参考訳（メタデータ） (2022-02-03T05:40:49Z)
• Robust and Precise Facial Landmark Detection by Self-Calibrated Pose Attention Network [73.56802915291917]
  より堅牢で正確な顔のランドマーク検出を実現するための半教師付きフレームワークを提案する。 より効果的な顔形状制約をモデル化するために,境界対応ランドマーク強度(BALI)フィールドを提案する。 自己キャリブレーション・ポース・アテンション(SCPA)モデルは、中間的監督を強制する自己学習型目標関数を提供するように設計されている。
  論文  参考訳（メタデータ） (2021-12-23T02:51:08Z)
• SCNet: A Generalized Attention-based Model for Crack Fault Segmentation [0.0]
  異常検出と局所化は、複数のアプリケーションを持つ重要な視覚問題である。 大規模なインフラにおける定期的な健康モニタリングと故障(異常)検出は、視覚に基づく異常セグメンテーションの応用分野である。 き裂は臨界かつ頻繁な表面断層であり、極端にジグザグ型の細い細長い領域として現れる。 そこで本研究では,様々なシナリオにまたがるセグメンテーション性能の一般化と改善という,自動クラックセグメンテーション問題のオープンな側面を,異なるモデル化によって解決する。
  論文  参考訳（メタデータ） (2021-12-02T17:16:18Z)

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。