Fugu-MT 論文翻訳(概要): Uncertainty-Gated Region-Level Retrieval for Robust Semantic Segmentation

論文の概要: Uncertainty-Gated Region-Level Retrieval for Robust Semantic Segmentation

arxiv url: http://arxiv.org/abs/2512.18082v1
Date: Fri, 19 Dec 2025 21:39:22 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-23 18:54:32.18241
Title: Uncertainty-Gated Region-Level Retrieval for Robust Semantic Segmentation
Title（参考訳）: ロバストなセマンティックセグメンテーションのための不確実な領域レベル検索
Authors: Shreshth Rajan, Raymond Liu,
Abstract要約: 本稿では,領域シフトによる分割精度とキャリブレーションを改善する領域レベルの不確実性付き検索機構を提案する。検索コストを87.5%削減し,11.3%増加し,12.5%の地域しか回収できなかった。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Semantic segmentation of outdoor street scenes plays a key role in applications such as autonomous driving, mobile robotics, and assistive technology for visually-impaired pedestrians. For these applications, accurately distinguishing between key surfaces and objects such as roads, sidewalks, vehicles, and pedestrians is essential for maintaining safety and minimizing risks. Semantic segmentation must be robust to different environments, lighting and weather conditions, and sensor noise, while being performed in real-time. We propose a region-level, uncertainty-gated retrieval mechanism that improves segmentation accuracy and calibration under domain shift. Our best method achieves an 11.3% increase in mean intersection-over-union while reducing retrieval cost by 87.5%, retrieving for only 12.5% of regions compared to 100% for always-on baseline.
Abstract（参考訳）: 屋外ストリートシーンのセマンティックセグメンテーションは、自律走行、移動ロボット、視覚障害者のための補助技術などの応用において重要な役割を果たしている。これらのアプリケーションにとって、道路、歩道、車両、歩行者などの重要な表面と物体を正確に区別することは、安全性の維持とリスクの最小化に不可欠である。セマンティックセグメンテーションは、異なる環境、照明と気象条件、センサーノイズに対して、リアルタイムに実行されながら堅牢でなければならない。本稿では,領域シフトによる分割精度とキャリブレーションを改善する領域レベルの不確実性付き検索機構を提案する。検索コストを87.5%削減し,11.3%増加し,12.5%の地域しか回収できなかった。

関連論文リスト

Optimization-Guided Diffusion for Interactive Scene Generation [52.23368750264419]
本稿では,拡散型サンプリングにおける構造的一貫性と相互作用認識を実現するための,最適化誘導型トレーニングフリーフレームワークであるOMEGAを提案する。 OMEGAは生成リアリズム,一貫性,可制御性を向上し,身体的および行動学的に有効なシーンの比率を増大させることを示す。当社のアプローチでは,3秒未満の時間対コリションで,より近いコリジョンフレームを5ドル(約5,500円)で生成することも可能だ。
論文参考訳（メタデータ） (2025-12-08T15:56:18Z)
RoadFormer : Local-Global Feature Fusion for Road Surface Classification in Autonomous Driving [7.3210301283888315]
路面タイプ(RSC)の分類は, 路面の粗さ, 湿潤, 乾燥条件, 材料情報を明らかにするために, 舗装の特徴を活用することを目的としている。自動運転では、正確なRCCにより、車両は道路環境をよりよく理解し、運転戦略を調整し、安全で効率的な運転体験を確保することができる。本稿では,局所的かつグローバルな特徴情報を,畳み込みモジュールと変圧器モジュールの積み重ねを通じて融合する,自律運転シナリオのための視覚ベースきめ細かなRCC法を提案する。
論文参考訳（メタデータ） (2025-06-03T01:23:19Z)
A Privacy Enhancing Technique to Evade Detection by Street Video Cameras Without Using Adversarial Accessories [28.431929351359734]
我々は、この実験室と現実世界のギャップの新たな副作用、つまり歩行者検出における位置に基づく弱点を活用している。本研究では, 視覚障害者が視覚障害者の視線を利用して, シーン内の2点間の最小信頼パスを構築することにより, 検出を回避できることを示す。盲点における歩行者検知器の信頼性向上のための新しい対策を提案し, 提案手法により発生した経路の最大/平均信頼度をそれぞれ0.09と0.05に引き上げた。
論文参考訳（メタデータ） (2025-01-26T19:29:49Z)
Progressive Feature Self-reinforcement for Weakly Supervised Semantic Segmentation [55.69128107473125]
Weakly Supervised Semantic (WSSS) のイメージレベルラベルを用いたシングルステージアプローチを提案する。我々は、画像内容が決定論的領域(例えば、自信ある前景と背景)と不確実領域(例えば、オブジェクト境界と誤分類されたカテゴリ)に適応的に分割して、別々の処理を行う。そこで我々は,これらの自信のある領域と同一のクラスラベルを持つ拡張画像とのセマンティック一貫性を制約する補完的な自己強調手法を提案する。
論文参考訳（メタデータ） (2023-12-14T13:21:52Z)
RSRD: A Road Surface Reconstruction Dataset and Benchmark for Safe and Comfortable Autonomous Driving [67.09546127265034]
道路表面の再構築は、車両の走行計画と制御システムの解析と予測を促進するのに役立つ。我々は,様々な運転条件下で,特定のプラットフォームで収集した実世界,高解像度,高精度のデータセットであるRoad Surface Reconstructionデータセットを紹介した。約16,000対のステレオ画像、原点雲、地中深度・不均等地図を含む一般的な道路形態を網羅している。
論文参考訳（メタデータ） (2023-10-03T17:59:32Z)
Leveraging Topology for Domain Adaptive Road Segmentation in Satellite and Aerial Imagery [9.23555285827483]
道路分割アルゴリズムは、新しい地理的位置への一般化に失敗する。道路骨格は、トポロジカルな制約を課す補助的なタスクである。自己学習のために、接続性に基づく擬似ラベル改善戦略を用いて、ノイズの多い擬似ラベルをフィルタリングする。
論文参考訳（メタデータ） (2023-09-27T12:50:51Z)
Unsupervised Adaptation from Repeated Traversals for Autonomous Driving [54.59577283226982]
自動運転車はエンドユーザー環境に一般化し、確実に動作させなければならない。潜在的な解決策の1つは、エンドユーザの環境から収集されたラベルのないデータを活用することである。適応過程を監督する信頼性のある信号はターゲット領域に存在しない。この単純な仮定は、ターゲット領域上の3次元物体検出器の反復的自己学習を可能にする強力な信号を得るのに十分であることを示す。
論文参考訳（メタデータ） (2023-03-27T15:07:55Z)
Doubly Contrastive End-to-End Semantic Segmentation for Autonomous Driving under Adverse Weather [6.808112517338073]
本稿では,より実用性の高い自動運転モデルの性能向上のための2つの対照的なアプローチを提案する。提案手法は,エンドツーエンドの教師あり学習方式において,画像レベルのコントラストと画素レベルのコントラストを利用する。我々は,画像レベルの監督を自己監督に置き換えることで,晴れた気象画像で事前訓練した場合に同等の性能を達成できることを実証した。
論文参考訳（メタデータ） (2022-11-21T00:26:41Z)
Safety-Oriented Pedestrian Motion and Scene Occupancy Forecasting [91.69900691029908]
我々は、個々の動きとシーン占有マップの両方を予測することを提唱する。歩行者の相対的な空間情報を保存するScene-Actor Graph Neural Network (SA-GNN)を提案する。 2つの大規模な実世界のデータセットで、我々のシーン占有率予測が最先端のモーション予測手法よりも正確でより校正されていることを示した。
論文参考訳（メタデータ） (2021-01-07T06:08:21Z)
Decoding pedestrian and automated vehicle interactions using immersive virtual reality and interpretable deep learning [6.982614422666432]
本研究では,自動走行車の存在による影響が期待される都市動態の重要な要素として,歩行者の横断行動について検討する。歩行者の待ち時間はデータ駆動のCox Proportional Hazards(CPH)モデルを用いて分析される。その結果,道路上の自動走行車の存在,広い車線幅,道路上の高密度化,観光距離の制限,歩行習慣の欠如が待ち時間の主な要因であることが示唆された。
論文参考訳（メタデータ） (2020-02-18T01:30:29Z)

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。