論文の概要: ACCIDENT: A Benchmark Dataset for Vehicle Accident Detection from Traffic Surveillance Videos
- arxiv url: http://arxiv.org/abs/2604.09819v1
- Date: Fri, 10 Apr 2026 18:51:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-14 20:13:15.693475
- Title: ACCIDENT: A Benchmark Dataset for Vehicle Accident Detection from Traffic Surveillance Videos
- Title（参考訳）: ACCIDENT:交通監視ビデオからの車両事故検出のためのベンチマークデータセット
- Authors: Lukas Picek, Michal Čermák, Marek Hanzl, Vojtěch Čermák,
- Abstract要約: ACCIDENTはCCTVの映像における交通事故検出のためのベンチマークデータセットである。
教師付き(IIDとOOD)およびゼロショット設定でモデルを評価するように設計されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We introduce ACCIDENT, a benchmark dataset for traffic accident detection in CCTV footage, designed to evaluate models in supervised (IID and OOD) and zero-shot settings, reflecting both data-rich and data-scarce scenarios. The benchmark consists of a curated set of 2,027 real and 2,211 synthetic clips annotated with the accident time, spatial location, and high-level collision type. We define three core tasks: (i) temporal localization of the accident, (ii) its spatial localization, and (iii) collision type classification. Each task is evaluated using custom metrics that account for the uncertainty and ambiguity inherent in CCTV footage. In addition to the benchmark, we provide a diverse set of baselines, including heuristic, motion-aware, and vision-language approaches, and show that ACCIDENT is challenging. You can access the ACCIDENT at: https://accidentbench.github.io
- Abstract（参考訳）: CCTV映像における交通事故検出のためのベンチマークデータセットであるACCIDENTを導入し、教師付き(IIDおよびOOD)およびゼロショット設定におけるモデルの評価を行い、データリッチとデータスカースの両方のシナリオを反映する。
ベンチマークは2,027個の実物と2,211個の合成クリップで構成され、事故時刻、空間的位置、高レベルの衝突タイプが注釈付けされている。
3つのコアタスクを定義します。
一 事故の時間的位置決め
(ii)その空間的局在、及び
(三)衝突型分類
各タスクは、CCTVの映像に固有の不確実性と曖昧さを考慮に入れたカスタムメトリクスを使用して評価される。
ベンチマークに加えて,ヒューリスティック,モーション認識,視覚言語アプローチなど,さまざまなベースラインを提供し,ACCIDENTが課題であることを示す。
ACCIDENT は https://accidentbench.github.io
関連論文リスト
- CrashSight: A Phase-Aware, Infrastructure-Centric Video Benchmark for Traffic Crash Scene Understanding and Reasoning [27.23760411917563]
textbfCrashSightは,現実の道路カメラデータを用いた道路事故理解のための視覚ベンチマークである。
データセットは250のクラッシュビデオで構成されており、2階層の分類の下で構成された13Kの質問応答ペアが注釈付けされている。
我々は8つの最先端のVLMをベンチマークし、強いシーン記述能力にもかかわらず、現在のモデルは安全クリティカルなシナリオにおける時間的・因果的推論に苦戦していることを示す。
論文 参考訳（メタデータ） (2026-04-09T16:52:04Z) - OpenLane-V2: A Topology Reasoning Benchmark for Unified 3D HD Mapping [84.65114565766596]
交通シーン構造を考慮したトポロジ推論のための最初のデータセットであるOpenLane-V2を提案する。
OpenLane-V2は2000のアノテートされた道路シーンで構成され、交通要素と車線との関係を記述している。
様々な最先端手法を評価し,OpenLane-V2の定量的,定性的な結果を示し,交通現場におけるトポロジ推論の今後の道筋を示す。
論文 参考訳（メタデータ） (2023-04-20T16:31:22Z) - 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) - Augmenting Ego-Vehicle for Traffic Near-Miss and Accident Classification
Dataset using Manipulating Conditional Style Translation [0.3441021278275805]
事故が起こる前の事故と近距離事故には差はない。
我々の貢献は、事故の定義を再定義し、DADA-2000データセットにおける事故の不整合を再注釈することである。
提案手法は、条件付きスタイル変換(CST)と分離可能な3次元畳み込みニューラルネットワーク(S3D)の2つの異なるコンポーネントを統合する。
論文 参考訳（メタデータ） (2023-01-06T22:04:47Z) - Real-Time Accident Detection in Traffic Surveillance Using Deep Learning [0.8808993671472349]
本稿では,交通監視用交差点における事故検出のための新しい効率的な枠組みを提案する。
提案手法は,最先端のYOLOv4法に基づく効率的かつ高精度な物体検出を含む,3つの階層的なステップから構成される。
提案フレームワークのロバスト性は,様々な照明条件でYouTubeから収集した映像シーケンスを用いて評価する。
論文 参考訳（メタデータ） (2022-08-12T19:07:20Z) - ISSAFE: Improving Semantic Segmentation in Accidents by Fusing
Event-based Data [34.36975697486129]
本稿では,事故シナリオにおけるセマンティックセグメンテーションに関する課題を,事故データセットDADA-segとともに提示する。
イベントベースのマルチモーダルセグメンテーションアーキテクチャISSAFEを提案する。
提案手法は, 提案した評価セットに対して+8.2% mIoUの性能向上を達成し, 10以上の最先端セグメンテーション法を克服する。
論文 参考訳（メタデータ） (2020-08-20T14:03:34Z)
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。