論文の概要: Nexar Dashcam Collision Prediction Dataset and Challenge

• arxiv url: http://arxiv.org/abs/2503.03848v1
• Date: Wed, 05 Mar 2025 19:20:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-07 15:59:49.604188
• Title: Nexar Dashcam Collision Prediction Dataset and Challenge
• Title（参考訳）: ニアダッシュカム衝突予測データセットと課題
• Authors: Daniel C. Moura, Shizhan Zhu, Orly Zvitia,
• Abstract要約: データセットは1500の注釈付きビデオクリップで構成され、それぞれ約40秒間、さまざまな現実世界のトラフィックシナリオをキャプチャする。 事故予測の研究を進めるために,このデータセット上での公開競争であるNexar Dashcam Collision Prediction Challengeを紹介した。 参加者は、入力ビデオから差し迫った衝突の可能性を予測する機械学習モデルを開発することを任務とする。
• 参考スコア（独自算出の注目度）: 2.048226951354646
• License:
• Abstract: This paper presents the Nexar Dashcam Collision Prediction Dataset and Challenge, designed to support research in traffic event analysis, collision prediction, and autonomous vehicle safety. The dataset consists of 1,500 annotated video clips, each approximately 40 seconds long, capturing a diverse range of real-world traffic scenarios. Videos are labeled with event type (collision/near-collision vs. normal driving), environmental conditions (lighting conditions and weather), and scene type (urban, rural, highway, etc.). For collision and near-collision cases, additional temporal labels are provided, including the precise moment of the event and the alert time, marking when the collision first becomes predictable. To advance research on accident prediction, we introduce the Nexar Dashcam Collision Prediction Challenge, a public competition on top of this dataset. Participants are tasked with developing machine learning models that predict the likelihood of an imminent collision, given an input video. Model performance is evaluated using the average precision (AP) computed across multiple intervals before the accident (i.e. 500 ms, 1000 ms, and 1500 ms prior to the event), emphasizing the importance of early and reliable predictions. The dataset is released under an open license with restrictions on unethical use, ensuring responsible research and innovation.
• Abstract（参考訳）: 本稿では,交通事象解析,衝突予測,自動運転車の安全性に関する研究を支援するため,Nexar Dashcam Collision Prediction Dataset and Challengeを提案する。 データセットは1500の注釈付きビデオクリップで構成され、それぞれ約40秒間、さまざまな現実世界のトラフィックシナリオをキャプチャする。 ビデオには、イベントタイプ(衝突/衝突対通常の運転)、環境条件(照明条件と天候)、シーンタイプ(都市、農村、高速道路など)がラベル付けされている。 衝突及び近傍衝突の場合は、イベントの正確な瞬間と警告時間を含む追加の時間ラベルが提供される。 事故予測の研究を進めるために,このデータセット上での公開競争であるNexar Dashcam Collision Prediction Challengeを紹介した。 参加者は、入力ビデオから差し迫った衝突の可能性を予測する機械学習モデルを開発することを任務とする。 モデル性能は事故前の複数の間隔(500ms、1000ms、1500ms)で計算された平均精度(AP)を用いて評価され、早期かつ信頼性の高い予測の重要性を強調した。 データセットはオープンライセンスの下でリリースされ、非倫理的使用が制限され、責任ある研究とイノベーションが保証される。

関連論文リスト

• CrashFormer: A Multimodal Architecture to Predict the Risk of Crash [1.3194391758295112]
  事故予測は交通安全を改善するための鍵であり、事故が起こる前に前向きな措置をとることができる。 事故履歴,気象情報,地図画像,人口統計情報などの総合的な入力を利用するマルチモーダルアーキテクチャであるCrashFormerを提案する。 このモデルは、地理的に5.161平方キロメートルの位置において、合理的に許容できるケイデンス(すなわち6時間毎に)における事故の将来のリスクを予測する。
  論文  参考訳（メタデータ） (2024-02-07T13:09:23Z)
• Exploring the Potential of Multi-Modal AI for Driving Hazard Prediction [18.285227911703977]
  本稿では,車載ダッシュカムが捉えた単一入力画像を用いて,差し迫った事故を予測するためのタスクとして定式化する。 この問題は、不確実な観測に基づいて将来の出来事を予測し、推論する必要がある。 この調査対象領域の研究を可能にするために、DHPRデータセットと呼ばれる新しいデータセットが作成される。
  論文  参考訳（メタデータ） (2023-10-07T03:16:30Z)
• 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)
• Cognitive Accident Prediction in Driving Scenes: A Multimodality Benchmark [77.54411007883962]
  本研究では,視覚的観察と運転者の注意に対する人為的な文章記述の認識を効果的に活用し,モデルトレーニングを容易にする認知事故予測手法を提案する。 CAPは、注意テキスト〜ビジョンシフト融合モジュール、注意シーンコンテキスト転送モジュール、運転注意誘導事故予測モジュールによって構成される。 我々は,1,727件の事故ビデオと219万フレーム以上の大規模ベンチマークを構築した。
  論文  参考訳（メタデータ） (2022-12-19T11:43:02Z)
• Safety-aware Motion Prediction with Unseen Vehicles for Autonomous Driving [104.32241082170044]
  本研究では,無人運転用無人車を用いた新しい作業,安全を意識した動作予測手法について検討する。 既存の車両の軌道予測タスクとは異なり、占有率マップの予測が目的である。 私たちのアプローチは、ほとんどの場合、目に見えない車両の存在を予測できる最初の方法です。
  論文  参考訳（メタデータ） (2021-09-03T13:33:33Z)
• A model for traffic incident prediction using emergency braking data [77.34726150561087]
  道路交通事故予測におけるデータ不足の根本的な課題を、事故の代わりに緊急ブレーキイベントをトレーニングすることで解決します。 メルセデス・ベンツ車両の緊急ブレーキデータに基づくドイツにおける交通事故予測モデルを実装したプロトタイプを提案する。
  論文  参考訳（メタデータ） (2021-02-12T18:17:12Z)
• COLLIDE-PRED: Prediction of On-Road Collision From Surveillance Videos [0.0]
  ビデオ中の衝突を予測するために, COLLIDE-PRED と呼ばれるエンドツーエンドの衝突予測システムを提案する。 提案手法は,多数の異なるビデオを用いて実験的に検証され,事故の特定に有効であることが証明された。
  論文  参考訳（メタデータ） (2021-01-21T06:45:56Z)
• Object Rearrangement Using Learned Implicit Collision Functions [61.90305371998561]
  本研究では,シーン内の6DOFオブジェクトのポーズに対して,シーンとクエリ対象点の雲を受け付け,衝突を予測できる学習的衝突モデルを提案する。 我々は,テーブルトップ再構成タスクにおけるモデル予測経路積分(MPPI)ポリシーの一部として,学習された衝突モデルを活用する。 学習モデルは従来のパイプラインよりも優れており、シミュレーションされた衝突クエリのデータセット上では9.8%の精度で学習精度が向上している。
  論文  参考訳（メタデータ） (2020-11-21T05:36:06Z)
• Spatiotemporal Relationship Reasoning for Pedestrian Intent Prediction [57.56466850377598]
  視覚データに対する推論は、ロボティクスとビジョンベースのアプリケーションにとって望ましい能力である。 本稿では,歩行者の意図を推論するため,現場の異なる物体間の関係を明らかにするためのグラフ上でのフレームワークを提案する。 歩行者の意図は、通りを横切る、あるいは横断しない将来の行動として定義され、自動運転車にとって非常に重要な情報である。
  論文  参考訳（メタデータ） (2020-02-20T18:50:44Z)

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。