論文の概要: Decoupled Functional Evaluation of Autonomous Driving Models via Feature Map Quality Scoring

• arxiv url: http://arxiv.org/abs/2508.07552v1
• Date: Mon, 11 Aug 2025 02:24:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-12 21:23:28.909819
• Title: Decoupled Functional Evaluation of Autonomous Driving Models via Feature Map Quality Scoring
• Title（参考訳）: 特徴地図品質スコアリングによる自律走行モデルの非結合機能評価
• Authors: Ludan Zhang, Sihan Wang, Yuqi Dai, Shuofei Qiao, Lei He,
• Abstract要約: 本研究は,特徴マップ-構造表現類似性に基づく評価フレームワークを構築し,特徴マップ収束スコア(FMCS)に基づく独立評価手法を提案する。 CLIPベースの特徴マップ品質評価ネットワーク(CLIP-FMQE-Net)がさらに開発され、機能モジュールが生成する特徴マップのリアルタイム品質解析を可能にする。
• 参考スコア（独自算出の注目度）: 6.316149401813104
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: End-to-end models are emerging as the mainstream in autonomous driving perception and planning. However, the lack of explicit supervision signals for intermediate functional modules leads to opaque operational mechanisms and limited interpretability, making it challenging for traditional methods to independently evaluate and train these modules. Pioneering in the issue, this study builds upon the feature map-truth representation similarity-based evaluation framework and proposes an independent evaluation method based on Feature Map Convergence Score (FMCS). A Dual-Granularity Dynamic Weighted Scoring System (DG-DWSS) is constructed, formulating a unified quantitative metric - Feature Map Quality Score - to enable comprehensive evaluation of the quality of feature maps generated by functional modules. A CLIP-based Feature Map Quality Evaluation Network (CLIP-FMQE-Net) is further developed, combining feature-truth encoders and quality score prediction heads to enable real-time quality analysis of feature maps generated by functional modules. Experimental results on the NuScenes dataset demonstrate that integrating our evaluation module into the training improves 3D object detection performance, achieving a 3.89 percent gain in NDS. These results verify the effectiveness of our method in enhancing feature representation quality and overall model performance.
• Abstract（参考訳）: 自動運転車の認識と計画において、エンド・ツー・エンドのモデルが主流になりつつある。 しかし、中間機能モジュールに対する明示的な監視信号の欠如は、不透明な操作機構と限定的な解釈可能性をもたらすため、従来の手法がこれらのモジュールを独立して評価し、訓練することは困難である。 本研究は,特徴マップ・トラス表現類似度に基づく評価フレームワークを構築し,特徴マップ収束スコア(FMCS)に基づく独立評価手法を提案する。 DG-DWSS(Dual-Granularity Dynamic Weighted Scoring System)が構築され,機能モジュールが生成する特徴マップの品質を総合的に評価する。 CLIPベースの特徴マップ品質評価ネットワーク(CLIP-FMQE-Net)がさらに開発され、機能モジュールが生成する特徴マップのリアルタイム品質解析を可能にする。 NuScenesデータセットの実験結果によると、評価モジュールをトレーニングに統合することで、3Dオブジェクトの検出性能が向上し、NDSの3.89パーセントが向上した。 これらの結果から,特徴表現の質向上とモデル全体の性能向上に本手法の有効性が検証された。

関連論文リスト

• X2-DFD: A framework for eXplainable and eXtendable Deepfake Detection [55.77552681618732]
  X2-DFDは、eXplainableおよびeXtendableフレームワークであり、ディープフェイク検出のためのマルチモーダルな多言語モデル(MLLM)に基づいている。 最初の段階であるモデル特徴評価は、MLLMの偽造関係の特徴の検出可能性を体系的に評価する。 2番目のステージであるExplainable dataset Constructionは、Strong Feature StrengtheningとWeak Feature Supplementingの2つの重要なモジュールで構成されている。 3番目のステージであるファインチューニングと推論では、構築されたデータセット上でMLLMを微調整し、最終的な検出と説明のためにデプロイする。
  論文  参考訳（メタデータ） (2024-10-08T15:28:33Z)
• Unveiling the Black Box: Independent Functional Module Evaluation for Bird's-Eye-View Perception Model [11.239146186613203]
  本稿では,BEV-IFME(Bird's-Eye-View Perception Model)の独立機能モジュール評価について述べる。 このフレームワークは、モジュールの機能マップを統一されたセマンティック表現空間内でグラウンドトゥルースに対して並べて、それらの類似性を定量化する。 機能モジュールのトレーニング成熟度を評価するための指標であるSimisity Scoreは、BEVメトリクスと強い正の相関を示す。
  論文  参考訳（メタデータ） (2024-09-18T13:20:46Z)
• Feature Map Convergence Evaluation for Functional Module [14.53278086364748]
  モデル収束度を評価するため,特徴マップ解析に基づく評価手法を提案する。 我々は,モデルの収束度を測定し,予測するための特徴マップ収束評価ネットワーク (FMCE-Net) を開発した。 これは機能的モジュールに対する最初の独立評価手法であり、知覚モデルに対するトレーニングアセスメントのための新しいパラダイムを提供する。
  論文  参考訳（メタデータ） (2024-05-07T06:25:49Z)
• Fine-Tuning Enhances Existing Mechanisms: A Case Study on Entity Tracking [53.66999416757543]
  本研究では,微調整が言語モデルに実装された内部メカニズムに与える影響について検討する。 微調整はモデルの機械的操作を変えるのではなく、強化する。
  論文  参考訳（メタデータ） (2024-02-22T18:59:24Z)
• R-Cut: Enhancing Explainability in Vision Transformers with Relationship Weighted Out and Cut [14.382326829600283]
  リレーションウェイトアウト」と「カット」の2つのモジュールを紹介します。 Cut"モジュールは、位置、テクスチャ、色などの要素を考慮して、きめ細かい特徴分解を行う。 我々は,ImageNetデータセット上で定性的かつ定量的な実験を行い,本手法の有効性を検証した。
  論文  参考訳（メタデータ） (2023-07-18T08:03:51Z)
• Discover, Explanation, Improvement: An Automatic Slice Detection Framework for Natural Language Processing [72.14557106085284]
  スライス検出モデル(SDM)は、データポイントの低パフォーマンスなグループを自動的に識別する。 本稿では,NLPタスクの分類のための "Discover, Explain, improve (DEIM)" というベンチマークを提案する。 評価の結果,Edisaは情報的セマンティックな特徴を持つ誤り発生データポイントを正確に選択できることがわかった。
  論文  参考訳（メタデータ） (2022-11-08T19:00:00Z)
• How Faithful is your Synthetic Data? Sample-level Metrics for Evaluating and Auditing Generative Models [95.8037674226622]
  ドメインに依存しない方法で生成モデルの忠実度,多様性,一般化性能を特徴付ける3次元評価指標を提案する。 当社のメトリクスは、精度リコール分析により統計的発散測定を統合し、モデル忠実度と多様性のサンプルおよび分布レベルの診断を可能にします。
  論文  参考訳（メタデータ） (2021-02-17T18:25:30Z)
• Progressive Self-Guided Loss for Salient Object Detection [102.35488902433896]
  画像中の深層学習に基づくサラエント物体検出を容易にするプログレッシブ自己誘導損失関数を提案する。 我々のフレームワークは適応的に集約されたマルチスケール機能を利用して、健全な物体の探索と検出を効果的に行う。
  論文  参考訳（メタデータ） (2021-01-07T07:33:38Z)
• Score-informed Networks for Music Performance Assessment [64.12728872707446]
  MPAモデルにスコア情報を組み込んだディープニューラルネットワークに基づく手法はまだ研究されていない。 スコアインフォームド性能評価が可能な3つのモデルを提案する。
  論文  参考訳（メタデータ） (2020-08-01T07:46:24Z)

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。