論文の概要: CycleCrash: A Dataset of Bicycle Collision Videos for Collision Prediction and Analysis

• arxiv url: http://arxiv.org/abs/2409.19942v1
• Date: Mon, 30 Sep 2024 04:46:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-01 22:03:55.571669
• Title: CycleCrash: A Dataset of Bicycle Collision Videos for Collision Prediction and Analysis
• Title（参考訳）: CycleCrash: 衝突予測と解析のための自転車衝突ビデオのデータセット
• Authors: Nishq Poorav Desai, Ali Etemad, Michael Greenspan,
• Abstract要約: CycleCrashは、3000のダッシュカムビデオと436,347フレームからなる新しいデータセットだ。 このデータセットは、サイクリストにとって潜在的に危険な条件に焦点を当てた、9つの異なるサイクリスト衝突予測と分類タスクを可能にする。 本稿では,ConvNeXt空間エンコーダと非定常トランスフォーマーを併用した新しい手法であるVidNeXtを提案する。
• 参考スコア（独自算出の注目度）: 21.584020544141797
• License:
• Abstract: Self-driving research often underrepresents cyclist collisions and safety. To address this, we present CycleCrash, a novel dataset consisting of 3,000 dashcam videos with 436,347 frames that capture cyclists in a range of critical situations, from collisions to safe interactions. This dataset enables 9 different cyclist collision prediction and classification tasks focusing on potentially hazardous conditions for cyclists and is annotated with collision-related, cyclist-related, and scene-related labels. Next, we propose VidNeXt, a novel method that leverages a ConvNeXt spatial encoder and a non-stationary transformer to capture the temporal dynamics of videos for the tasks defined in our dataset. To demonstrate the effectiveness of our method and create additional baselines on CycleCrash, we apply and compare 7 models along with a detailed ablation. We release the dataset and code at https://github.com/DeSinister/CycleCrash/ .
• Abstract（参考訳）: 自動運転車の研究は、しばしばサイクリストの衝突と安全を過小評価している。 この問題を解決するために、CycleCrashという、3000のダッシュカムビデオと436,347フレームからなる新しいデータセットを紹介します。 このデータセットは、サイクリストにとって潜在的に有害な条件に焦点を当てた9つの異なるサイクリスト衝突予測と分類タスクを可能にし、衝突関連、サイクリスト関連、シーン関連ラベルで注釈付けされる。 次に,ConvNeXt空間エンコーダと非定常トランスフォーマーを併用した新しい手法であるVidNeXtを提案する。 提案手法の有効性を実証し,CycleCrashに追加のベースラインを作成するために,詳細なアブレーションとともに7つのモデルを適用し,比較する。 データセットとコードはhttps://github.com/DeSinister/CycleCrash/で公開しています。

関連論文リスト

• Sparse Sampling is All You Need for Fast Wrong-way Cycling Detection in CCTV Videos [36.1376919510996]
  本報告では,CCTVビデオにおける不正自転車比の検出に関する問題点を定式化する。 本稿では,WWC予測器と呼ばれるスパースサンプリング手法を提案する。 われわれの手法は、わずか1.475%の誤差率を達成し、わずか19.12%のGPU時間しかかからない。
  論文  参考訳（メタデータ） (2024-05-12T14:16:05Z)
• Pedestrian Environment Model for Automated Driving [54.16257759472116]
  歩行者の位置とポーズ情報を含む環境モデルを提案する。 画像から人間のポーズ推定器を用いて骨格情報を抽出する。 位置の3D情報を得るために,車両の位置と合わせて連続するフレームからデータを集約する。
  論文  参考訳（メタデータ） (2023-08-17T16:10:58Z)
• A Benchmark for Cycling Close Pass Near Miss Event Detection from Video Streams [35.17510169229505]
  我々はCyc-CPと呼ばれる新しいベンチマークを導入し、ビデオストリームからのミスイベント検出に近づいた近距離通過をサイクリングする。 これら2つの問題に対するディープラーニング技術に基づくベンチマークモデルを提案する。 我々のモデルは実世界のデータセットで88.13%と84.60%の精度を達成できる。
  論文  参考訳（メタデータ） (2023-04-24T07:30:01Z)
• Bent & Broken Bicycles: Leveraging synthetic data for damaged object re-identification [59.80753896200009]
  変形や欠落による視覚的外観の変化と微妙なクラス内変化を区別することを目的とした,損傷対象の再識別の新たな課題を提案する。 我々は、コンピュータ生成画像のパワーを活用して、半自動で、損傷前後に同じ自転車の高品質な合成画像を作成する。 このタスクのベースラインとして,マルチタスクでトランスフォーマーをベースとしたディープネットワークであるTransReI3Dを提案する。
  論文  参考訳（メタデータ） (2023-04-16T20:23:58Z)
• DeepAccident: A Motion and Accident Prediction Benchmark for V2X Autonomous Driving [76.29141888408265]
  本研究では,現実の運転において頻繁に発生する多様な事故シナリオを含む大規模データセットを提案する。 提案したDeepAccidentデータセットには57Kの注釈付きフレームと285Kの注釈付きサンプルが含まれており、これは大規模なnuScenesデータセットの約7倍である。
  論文  参考訳（メタデータ） (2023-04-03T17:37:00Z)
• Monocular Cyclist Detection with Convolutional Neural Networks [0.0]
  本研究は,盲点に対する運転者の注意不足に起因する車両と自転車の衝突回数を減らすことを目的としている。 我々は、物体検出畳み込みニューラルネットワークを用いてサイクリストを検出できる最先端のリアルタイム単眼サイクリスト検出を設計した。 このサイクリスト検出装置は、サイクリストを正確にかつ迅速に検出し、サイクリストの安全性を大幅に向上させる可能性があると結論付けている。
  論文  参考訳（メタデータ） (2023-01-16T13:54:13Z)
• 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)
• CycleSense: Detecting Near Miss Incidents in Bicycle Traffic from Mobile Motion Sensors [3.5127092215732176]
  世界中の都市では、自動車は健康と交通の問題を引き起こし、自転車のモルタルシェアの増加によって部分的に緩和される可能性がある。 しかし、多くの人々は、認識された安全性の欠如のためにサイクリングを避けます。 都市計画者にとって、サイクリストが安全な場所やそうでない場所についての洞察が欠けているため、この問題に対処することは難しい。
  論文  参考訳（メタデータ） (2022-04-21T21:43:23Z)
• Euro-PVI: Pedestrian Vehicle Interactions in Dense Urban Centers [126.81938540470847]
  歩行者と自転車の軌跡のデータセットであるEuro-PVIを提案する。 本研究では,都市環境におけるエージェント間のマルチモーダル共有潜在空間を表現的に学習する共同推論モデルを開発する。 我々は,エゴ車と歩行者(自転車)の相互作用を正確に予測するために捉えることの重要性を示すnuScenesとEuro-PVIデータセット上での成果を達成した。
  論文  参考訳（メタデータ） (2021-06-22T15:40:21Z)
• Collision Replay: What Does Bumping Into Things Tell You About Scene Geometry? [87.63134188675717]
  衝突の例を用いて過去のフレームでの観測を監督する。 我々は衝突リプレイを用いて畳み込みニューラルネットワークを訓練し、新しい画像から衝突時間の分布を予測する。 本手法は,フォトリアリスティックシミュレータにおいてノイズアクティベーションを有するエージェントを用いて解析する。
  論文  参考訳（メタデータ） (2021-05-03T17:59:46Z)
• DeepCrashTest: Turning Dashcam Videos into Virtual Crash Tests for Automated Driving Systems [9.17424462858218]
  私たちは、インターネットにアップロードされたダッシュカムのクラッシュビデオを使って、貴重な衝突データを抽出します。 未知のモノクロカメラで撮影されたビデオから3次元車両軌跡を抽出する問題に対処する。
  論文  参考訳（メタデータ） (2020-03-26T07:03:45Z)

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。