論文の概要: 2COOOL: 2nd Workshop on the Challenge Of Out-Of-Label Hazards in Autonomous Driving

• arxiv url: http://arxiv.org/abs/2508.21080v1
• Date: Mon, 18 Aug 2025 18:55:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-07 09:10:15.230814
• Title: 2COOOL: 2nd Workshop on the Challenge Of Out-Of-Label Hazards in Autonomous Driving
• Title（参考訳）: 2COOOL: 2nd Workshop on the Challenge of Out-Of-Label Hazards in autonomous Driving
• Authors: Ali K. AlShami, Ryan Rabinowitz, Maged Shoman, Jianwu Fang, Lukas Picek, Shao-Yuan Lo, Steve Cruz, Khang Nhut Lam, Nachiket Kamod, Lei-Lei Li, Jugal Kalita, Terrance E. Boult,
• Abstract要約: 2025年10月19日,ハワイ州ホノルルで開催されたICCV(International Conference on Computer Vision)2025で,2COOOL(Out-of-Label Hazards in autonomous Driving)の第2回ワークショップが開催される。 本研究の目的は,異常検出,オープンセット認識,オープンボキャブラリモデリング,ドメイン適応,関連分野からアイデアを抽出し,ハザード回避のための新しいアルゴリズムとシステムを開発することである。
• 参考スコア（独自算出の注目度）: 28.378845467294962
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As the computer vision community advances autonomous driving algorithms, integrating vision-based insights with sensor data remains essential for improving perception, decision making, planning, prediction, simulation, and control. Yet we must ask: Why don't we have entirely safe self-driving cars yet? A key part of the answer lies in addressing novel scenarios, one of the most critical barriers to real-world deployment. Our 2COOOL workshop provides a dedicated forum for researchers and industry experts to push the state of the art in novelty handling, including out-of-distribution hazard detection, vision-language models for hazard understanding, new benchmarking and methodologies, and safe autonomous driving practices. The 2nd Workshop on the Challenge of Out-of-Label Hazards in Autonomous Driving (2COOOL) will be held at the International Conference on Computer Vision (ICCV) 2025 in Honolulu, Hawaii, on October 19, 2025. We aim to inspire the development of new algorithms and systems for hazard avoidance, drawing on ideas from anomaly detection, open-set recognition, open-vocabulary modeling, domain adaptation, and related fields. Building on the success of its inaugural edition at the Winter Conference on Applications of Computer Vision (WACV) 2025, the workshop will feature a mix of academic and industry participation.
• Abstract（参考訳）: コンピュータビジョンコミュニティが自律運転アルゴリズムを進化させるにつれて、知覚、意思決定、計画、予測、シミュレーション、制御を改善するために、視覚ベースの洞察とセンサーデータを統合することが依然として不可欠である。 自動運転車はまだ完全に安全ではありませんか? 答えの重要な部分は、現実のデプロイメントにおいて最も重要な障壁である、新しいシナリオに対処することにある。 弊社の2COOOLワークショップは、研究者や業界の専門家がノベルティハンドリングの最先端を推し進めるための専用のフォーラムを提供しており、その中には、配布外ハザード検出、ハザード理解のためのビジョン言語モデル、新しいベンチマークと方法論、安全な自動運転プラクティスなどが含まれています。 2025年10月19日,ハワイ州ホノルルで開催されたICCV(International Conference on Computer Vision)2025で,2COOOL(Out-of-Label Hazards in autonomous Driving)の第2回ワークショップが開催される。 本研究の目的は,異常検出,オープンセット認識,オープンボキャブラリモデリング,ドメイン適応,関連分野からアイデアを抽出し,ハザード回避のための新しいアルゴリズムとシステムを開発することである。 2025年のWinter Conference on Applications of Computer Vision (WACV)の初回版の成功に基づいて、ワークショップには学術と産業の参加が混在する。

関連論文リスト

• ECCV 2024 W-CODA: 1st Workshop on Multimodal Perception and Comprehension of Corner Cases in Autonomous Driving [142.17164272038445]
  第1回W-CODAワークショップをECCV 2024と共同で開催する。 W-CODAは、最先端のマルチモーダル認識と理解技術によって強化された、自動運転コーナーの次世代ソリューションを探求することを目的としている。
  論文  参考訳（メタデータ） (2025-07-02T14:10:25Z)
• Report on NSF Workshop on Science of Safe AI [75.96202715567088]
  機械学習の新たな進歩は、社会問題に対する技術ベースのソリューションを開発する新たな機会につながっている。 AIの約束を果たすためには、正確でパフォーマンスが高く、安全で信頼性の高いAIベースのシステムを開発する方法に取り組む必要がある。 本報告はワークショップの安全性の異なる側面に対処した作業グループにおける議論の結果である。
  論文  参考訳（メタデータ） (2025-06-24T18:55:29Z)
• COOOL: Challenge Of Out-Of-Label A Novel Benchmark for Autonomous Driving [5.766136300380401]
  リスク検出のための新しいデータセットを導入し、様々なタスクに適用可能な多目的評価指標を提供する。 COOOLは200以上のダッシュカム指向のビデオコレクションで構成されており、人間のラベル付け者が関心のあるオブジェクトを識別するために注釈を付けている。 データセットのサイズとデータの複雑さのため、COOOLは評価ベンチマークとしてのみ機能する。
  論文  参考訳（メタデータ） (2024-12-06T23:01:33Z)
• Work-in-Progress: Crash Course: Can (Under Attack) Autonomous Driving Beat Human Drivers? [60.51287814584477]
  本稿では,現在のAVの状況を調べることによって,自律運転における本質的なリスクを評価する。 AVの利点と、現実のシナリオにおける潜在的なセキュリティ課題との微妙なバランスを強調した、特定のクレームを開発する。
  論文  参考訳（メタデータ） (2024-05-14T09:42:21Z)
• The Integration of Prediction and Planning in Deep Learning Automated Driving Systems: A Review [43.30610493968783]
  我々は、最先端のディープラーニングベースの計画システムについてレビューし、どのように予測を統合するかに焦点を当てる。 異なる統合原則の意味、強み、限界について論じる。
  論文  参考訳（メタデータ） (2023-08-10T17:53:03Z)
• An Overview about Emerging Technologies of Autonomous Driving [12.686694414570457]
  2004年にDARPAがグランドチャレンジを始め、2007年にアーバンチャレンジを開始して以来、自動運転はAIアプリケーションの最も活発な分野となっている。 本稿では,自動運転技術とオープンな課題の技術的側面について概観する。 本稿では,認識,マッピングとローカライゼーション,予測,計画と制御,シミュレーション,V2X,安全性など,自動運転システムの主要な分野について検討する。
  論文  参考訳（メタデータ） (2023-06-23T05:36:17Z)
• Emerging Threats in Deep Learning-Based Autonomous Driving: A Comprehensive Survey [0.9163827313498957]
  自動運転の基礎として、ディープラーニング技術は多くの新しいセキュリティリスクに直面している。 学術コミュニティは、敵対的な事例やAIバックドアに対するディープラーニング対策を提案している。 本稿では,自動運転におけるディープラーニングセキュリティ技術の概念,開発,最近の研究について要約する。
  論文  参考訳（メタデータ） (2022-10-19T10:04:33Z)
• Indy Autonomous Challenge -- Autonomous Race Cars at the Handling Limits [81.22616193933021]
  TUM Auton-omous Motorsportsは2021年10月、インディ・オートマチック・チャレンジに参加する。 インディアナポリス・モーター・スピードウェイのダララAV-21レースカー10台のうち1台を走らせることで、自動運転のソフトウェアスタックをベンチマークする。 これは、最も困難で稀な状況をマスターできる自律走行アルゴリズムを開発するための理想的な試験場である。
  論文  参考訳（メタデータ） (2022-02-08T11:55:05Z)
• 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)

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。