論文の概要: Bridging the Gap between Real-world and Synthetic Images for Testing Autonomous Driving Systems

• arxiv url: http://arxiv.org/abs/2408.13950v1
• Date: Sun, 25 Aug 2024 22:07:41 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-27 15:22:15.501714
• Title: Bridging the Gap between Real-world and Synthetic Images for Testing Autonomous Driving Systems
• Title（参考訳）: 自律走行システムのテストのための実世界と合成画像のギャップを埋める
• Authors: Mohammad Hossein Amini, Shiva Nejati,
• Abstract要約: 翻訳者は,ADS-DNNの多様性やテストデータのカバレッジを損なうことなく,ADS-DNNの欠点が少ないことを示唆する。 トランスレータは、オフラインとシミュレーションベースのテスト結果の相関を増大させる。
• 参考スコア（独自算出の注目度）: 2.291478393584594
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Deep Neural Networks (DNNs) for Autonomous Driving Systems (ADS) are typically trained on real-world images and tested using synthetic simulator images. This approach results in training and test datasets with dissimilar distributions, which can potentially lead to erroneously decreased test accuracy. To address this issue, the literature suggests applying domain-to-domain translators to test datasets to bring them closer to the training datasets. However, translating images used for testing may unpredictably affect the reliability, effectiveness and efficiency of the testing process. Hence, this paper investigates the following questions in the context of ADS: Could translators reduce the effectiveness of images used for ADS-DNN testing and their ability to reveal faults in ADS-DNNs? Can translators result in excessive time overhead during simulation-based testing? To address these questions, we consider three domain-to-domain translators: CycleGAN and neural style transfer, from the literature, and SAEVAE, our proposed translator. Our results for two critical ADS tasks -- lane keeping and object detection -- indicate that translators significantly narrow the gap in ADS test accuracy caused by distribution dissimilarities between training and test data, with SAEVAE outperforming the other two translators. We show that, based on the recent diversity, coverage, and fault-revealing ability metrics for testing deep-learning systems, translators do not compromise the diversity and the coverage of test data, nor do they lead to revealing fewer faults in ADS-DNNs. Further, among the translators considered, SAEVAE incurs a negligible overhead in simulation time and can be efficiently integrated into simulation-based testing. Finally, we show that translators increase the correlation between offline and simulation-based testing results, which can help reduce the cost of simulation-based testing.
• Abstract（参考訳）: 自律運転システム(ADS)のためのディープニューラルネットワーク(DNN)は通常、現実世界の画像に基づいて訓練され、合成シミュレータ画像を用いてテストされる。 このアプローチでは、異なる分布を持つデータセットのトレーニングとテストが行われ、誤ってテスト精度が低下する可能性がある。 この問題に対処するため、文献では、データセットをトレーニングデータセットに近づけるために、ドメインからドメインへのトランスレータを適用することを推奨している。 しかし、テストに使用される画像の翻訳は、テストプロセスの信頼性、有効性、効率に予測不可能な影響を及ぼす可能性がある。 ADS-DNN テストで使用される画像の有効性と ADS-DNN の欠陥を明らかにする能力は,トランスレータによって低下するのだろうか? トランスレータは、シミュレーションベースのテスト中に過剰な時間オーバーヘッドをもたらすことができるか? これらの問題に対処するために、文献からのCycleGANとニューラルスタイルのトランスレータと、提案したトランスレータであるSAEVAEの3つのドメイン間トランスレータを検討する。 2つの重要なADSタスク(車線保持と物体検出)の結果から,SAEVAEが他の2つのトランスレータを上回り,トレーニングデータとテストデータ間の分布の相違によるADSテスト精度のギャップが著しく狭まることが示唆された。 ディープラーニングシステムをテストするための最近の多様性、カバレッジ、欠陥検出能力のメトリクスに基づいて、トランスレータは、多様性とテストデータのカバレッジを損なうことなく、ADS-DNNの欠陥が少ないことも示している。 さらに、検討された翻訳者のうち、SAEVAEはシミュレーション時間において無視できないオーバーヘッドを発生させ、シミュレーションベースのテストに効率的に統合することができる。 最後に、トランスレータは、オフラインとシミュレーションベースのテスト結果の相関を増大させ、シミュレーションベースのテストのコスト削減に役立つことを示す。

関連論文リスト

• Efficient Domain Augmentation for Autonomous Driving Testing Using Diffusion Models [7.649716717097431]
  本稿では,ADS(Autonomous Driving Systems)システムレベルのテストを強化するために,生成人工知能技術と物理ベースシミュレータの統合について検討する。 本研究では拡散モデルに基づく3つの生成戦略の有効性と計算オーバーヘッドを評価する。 セマンティックセグメンテーションに基づく不適切な入力に対して,ニューラル生成画像のセマンティックな保存とリアリズムを確保するために,新しい自動検出手法を採用した。
  論文  参考訳（メタデータ） (2024-09-20T17:09:45Z)
• Evaluating Automatic Metrics with Incremental Machine Translation Systems [55.78547133890403]
  商業機械翻訳からなるデータセットを導入し,12の翻訳方向から6年間にわたって収集した。 商業システムは時間とともに改善され、より最近の翻訳の好みに基づいて機械翻訳(MT)メトリクスを評価することができると仮定する。
  論文  参考訳（メタデータ） (2024-07-03T17:04:17Z)
• Assessing Quality Metrics for Neural Reality Gap Input Mitigation in Autonomous Driving Testing [2.194575078433007]
  自動走行システム(ADS)のシミュレーションベースのテストは業界標準であり、現実世界のテストに対する制御され、安全で費用対効果の高い代替手段である。 これらの利点にもかかわらず、仮想シミュレーションは画像の忠実さ、テクスチャ表現、環境の正確さといった現実世界の状態を正確に再現することができないことが多い。 これは、シミュレートされたドメインと実世界のドメイン間のADSの挙動に大きな違いをもたらす可能性がある。 研究者は、画像から画像へのニューラルトランスレーション(I2I)を使用して、シミュレートされた環境のリアリズムを高め、合成データをより本物にすることで、シミュレートされた環境のリアリズムを高めた。
  論文  参考訳（メタデータ） (2024-04-29T10:37:38Z)
• Few-shot learning for automated content analysis: Efficient coding of arguments and claims in the debate on arms deliveries to Ukraine [0.9576975587953563]
  トランスフォーマーニューラルネットワークに基づく事前学習言語モデル(PLM)は、通信科学における自動コンテンツ分析を改善する大きな機会を提供する。 これまでの3つの特徴は、NLP研究における英語モデルの優位性、必要な計算資源、微調整 PLM の訓練データ作成に必要な労力など、適用分野における手法の普及を妨げている。 我々は、われわれのアプローチを、コミュニケーション科学の現実的なユースケースで試し、主張や議論を自動的に検出し、ドイツによるウクライナへの武器の配達に関する議論におけるスタンスと合わせて検証する。
  論文  参考訳（メタデータ） (2023-12-28T11:39:08Z)
• Towards General Error Diagnosis via Behavioral Testing in Machine Translation [48.108393938462974]
  本稿では,機械翻訳(MT)システムの動作試験を行うための新しい枠組みを提案する。 BTPGBTの中核となる考え方は、新しいバイリンガル翻訳ペア生成アプローチを採用することである。 様々なMTシステムの実験結果から,BTPGBTは包括的かつ正確な行動検査結果を提供できることが示された。
  論文  参考訳（メタデータ） (2023-10-20T09:06:41Z)
• Listen, Adapt, Better WER: Source-free Single-utterance Test-time Adaptation for Automatic Speech Recognition [65.84978547406753]
  Test-time Adaptationは、ソースドメインでトレーニングされたモデルに適応して、テストサンプルの予測を改善することを目的としている。 単一発話テスト時間適応 (SUTA) は音声領域における最初のTTA研究である。
  論文  参考訳（メタデータ） (2022-03-27T06:38:39Z)
• Unsupervised neural adaptation model based on optimal transport for spoken language identification [54.96267179988487]
  トレーニングセットとテストセット間の音響音声の統計的分布のミスマッチにより,音声言語識別(SLID)の性能が大幅に低下する可能性がある。 SLIDの分布ミスマッチ問題に対処するために,教師なしニューラル適応モデルを提案する。
  論文  参考訳（メタデータ） (2020-12-24T07:37:19Z)
• Unsupervised Domain Adaptation for Speech Recognition via Uncertainty Driven Self-Training [55.824641135682725]
  WSJ をソースドメインとし,TED-Lium 3 とSWITCHBOARD を併用したドメイン適応実験を行った。
  論文  参考訳（メタデータ） (2020-11-26T18:51:26Z)
• On the Inference Calibration of Neural Machine Translation [54.48932804996506]
  校正と翻訳性能と誤校正の言語特性の相関について検討した。 そこで本研究では,推論キャリブレーションと翻訳性能を両立できる新しいラベル平滑化手法を提案する。
  論文  参考訳（メタデータ） (2020-05-03T02:03:56Z)

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。