論文の概要: Safety-Critical Camera Reliability Monitoring for ADAS via Degradation-Aware Uncertainty Pattern Analysis

• arxiv url: http://arxiv.org/abs/2605.05439v1
• Date: Wed, 06 May 2026 20:55:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-08 22:27:11.415845
• Title: Safety-Critical Camera Reliability Monitoring for ADAS via Degradation-Aware Uncertainty Pattern Analysis
• Title（参考訳）: 劣化を考慮した不確かさパターン解析によるADASの安全臨界カメラ信頼性モニタリング
• Abstract要約: 本稿では、下流の故障が観測される前に、劣化に伴う不確実性パターンから認識リスクを推定するカメラ信頼性監視フレームワークを提案する。 軽量マルチタスクネットワークは、単一のRGB画像から劣化タイプ、重大度、空間不確実性マップを予測する。 KITTI由来の劣化実験では、GSHIは重度とともに単調に減少し、健康推定MAEは0.064であり、YOLOv8検出失敗の前に0.47$pm$ 0.25重度単位の早期警戒時間を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable camera input is essential for safety-critical ADAS perception, but most monitoring approaches detect sensor failures only after downstream performance has degraded. We propose a proactive camera reliability monitoring framework that estimates perception risk from degradation-induced uncertainty patterns before downstream failure becomes observable. The method introduces a Global Sensor Health Index (GSHI), a continuous reliability score that aggregates per-degradation severities using a risk-aware multiplicative formulation, allowing severe single-mode failures such as lens occlusion or motion blur to dominate the health estimate. A lightweight multi-task network predicts degradation type, severity, GSHI, and spatial uncertainty maps from a single RGB image without downstream task feedback. Training uses physics- and geometry-aware synthetic supervision over twelve camera degradation modes. Experiments on KITTI-derived degradations show that GSHI decreases monotonically with severity, achieves a health-estimation MAE of 0.064, and provides positive early-warning lead time of 0.47 $\pm$ 0.25 severity units before YOLOv8 detection failure. GSHI also outperforms IQA, detector-confidence, and clean-feature OOD baselines, and transfers zero-shot to real adverse-weather driving data. These results support degradation-aware uncertainty analysis as a practical direction for proactive camera reliability monitoring in intelligent vehicles.
• Abstract（参考訳）: 安全クリティカルなADAS知覚には、信頼性の高いカメラ入力が不可欠であるが、ほとんどの監視手法は、下流の性能が低下した後のみ、センサーの故障を検出する。 本稿では、下流の故障が観測される前に、劣化に伴う不確実性パターンからの認識リスクを推定するアクティブカメラ信頼性監視フレームワークを提案する。 この方法はGlobal Sensor Health Index (GSHI)を導入し、リスクを意識した乗算定式化(multiplicative formulation)を用いて、経年劣化の度合いを集計し、レンズ閉塞やモーションブラーなどの重度の単一モード障害を発生させ、健康推定を左右する。 軽量マルチタスクネットワークは、ダウンストリームタスクフィードバックなしで単一のRGB画像から劣化タイプ、重大度、GSHI、空間不確実性マップを予測する。 トレーニングでは、12のカメラ劣化モード上で、物理と幾何学を意識した合成監督を使用する。 KITTI由来の劣化実験では、GSHIは重度とともに単調に減少し、健康推定MAEは0.064であり、YOLOv8検出失敗の前に0.47$\pm$ 0.25重度単位の早期警戒時間を提供する。 GSHIはIQA、検出器信頼度、クリーンなOODベースラインを上回り、ゼロショットを実際の悪天候運転データに転送する。 これらの結果は、インテリジェントな車両におけるプロアクティブカメラ信頼性監視の実践的な方向として、劣化認識不確実性解析を支援する。

関連論文リスト

• Beyond Uncertainty: Generalizable Failure Monitoring for Surgical Segmentation under Acquisition Degradation [2.287641923890767]
  外科的セグメンテーションネットワークは、取得劣化時に静かに失敗することがある。 観測可能な形状,時間整合性,画像品質などの信頼性を組み合わせた,ホット後の障害監視フレームワークであるTCSR-Monitorを提案する。
  論文  参考訳（メタデータ） (2026-08-17T15:57:19Z)
• RES-DARE: Failure-Aware Expert Adaptation and Rollback-Safe Self-Repair for Intrusion Detection [0.0]
  RES-DAREはロールバックセーフな自己修復を備えた障害対応連続侵入検出フレームワークである。 難易度、不確かさ、誤分類されたサンプルは、専門家専門化のための故障信号として扱われる。 その結果,RES-DAREは劣化条件下でのロバスト性,警告機能,デプロイメントの安全性を改善した。
  論文  参考訳（メタデータ） (2026-07-02T18:26:23Z)
• Anomaly-Informed Confidence Calibration for Vision-Based Safety Prediction [1.0981335059631014]
  既存の異常信号における臨界知覚-力学ギャップを同定する。 本研究では,世界モデルから抽出した2つの異常スコアを融合する異常情報オンライン手法を提案する。
  論文  参考訳（メタデータ） (2026-05-20T12:43:09Z)
• Sim-to-Real Transfer and Robustness Evaluation of Reinforcement Learning Control with Integrated Perception on an ASV for Floating Waste Capture [4.05330458826742]
  本稿では,カメラによる偏光認識と,浮き汚れ検出・捕捉のための軽量DRL制御器を組み合わせたフィールド検証システムを提案する。 カメラ検出は水面のターゲットポイントに変換され、完全にシミュレーションで訓練されたコントローラによって追跡され、改造されたAVSプラットフォームに直接展開される。
  論文  参考訳（メタデータ） (2026-05-04T12:29:15Z)
• When Sensors Fail: Temporal Sequence Models for Robust PPO under Sensor Drift [64.37959940809633]
  時間的持続的なセンサ故障下でのPPOのロバスト性について検討する。 トランスフォーマーを用いたシーケンスポリシーは, センサ数が少ない場合でも高いリターンを保ちながら, 堅牢性, RNN, SSMよりも大幅に優れていた。
  論文  参考訳（メタデータ） (2026-03-04T22:21:54Z)
• BadCLIP++: Stealthy and Persistent Backdoors in Multimodal Contrastive Learning [73.46118996284888]
  マルチモーダル・コントラスト学習モデルに対するバックドア攻撃の研究は、ステルスネスと永続性という2つの大きな課題に直面している。 両課題に対処する統合フレームワークであるBadCLIP++を提案する。 ステルスネスのために,タスク関連領域付近に知覚不可能なパターンを埋め込むセマンティックフュージョンQRマイクロトリガーを導入する。 持続性については、半径縮小とセントロイドアライメントによるトリガ埋め込みを安定化する。
  論文  参考訳（メタデータ） (2026-02-19T08:31:16Z)
• Detecting Object Tracking Failure via Sequential Hypothesis Testing [80.7891291021747]
  ビデオにおけるリアルタイムのオンラインオブジェクト追跡は、コンピュータビジョンにおける中核的なタスクである。 本稿では,物体追跡を逐次的仮説テストとして解釈することを提案する。 本研究では,地中追跡情報と内部追跡情報の両方を活用することにより,教師なしと教師なしの両方の変種を提案する。
  論文  参考訳（メタデータ） (2026-02-13T14:57:15Z)
• Delving into Cascaded Instability: A Lipschitz Continuity View on Image Restoration and Object Detection Synergy [95.93943805282868]
  リプシッツ規則化物体検出(LROD) 本稿では,リプシッツ規則化YOLO(LR-YOLO)を提案する。 ヘイズと低照度ベンチマークの実験では、LR-YOLOは検出安定性、最適化のスムーズさ、全体的な精度を一貫して改善している。
  論文  参考訳（メタデータ） (2025-10-28T09:41:42Z)
• Towards Adversarial Robustness and Uncertainty Quantification in DINOv2-based Few-Shot Anomaly Detection [6.288045889067255]
  DINOv2のような基礎モデルは、数発の異常検出において強い性能を示している。 本研究は, 敵攻撃と不確実性評価に関する最初の体系的研究である。 生の異常スコアは校正が不十分で、信頼性と正しさのギャップが明らかになり、安全クリティカルな使用が制限されることがわかりました。
  論文  参考訳（メタデータ） (2025-10-15T15:06:45Z)
• Uncertainty-Aware Post-Detection Framework for Enhanced Fire and Smoke Detection in Compact Deep Learning Models [0.0]
  既存のビジョンベースの手法は、効率性と信頼性のバランスをとる上で困難に直面している。 YOLOv5nやYOLOv8nといったディープラーニングモデルは、UAV、CCTVシステム、IoTデバイスへのデプロイに広く採用されている。 本稿では,統計的不確実性と領域関連視覚的手がかりの両方を用いて,検出信頼度を再スケールする不確実性検出後フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-11T08:36:57Z)
• Detection and Recovery of Adversarial Slow-Pose Drift in Offloaded Visual-Inertial Odometry [0.0]
  エッジサーバにVIOをオフロードする現在のトレンドは、サーバ側の脅威表面を導く可能性がある。 非教師付きラベルなし検出・回復機構を提案する。 ILLIXRテストベッドを用いたリアルオフロードVIO環境におけるアプローチの評価を行った。
  論文  参考訳（メタデータ） (2025-09-08T18:31:40Z)
• Hardware faults that matter: Understanding and Estimating the safety impact of hardware faults on object detection DNNs [3.906089726778615]
  オブジェクト検出ニューラルネットワークモデルは、自動化運転やロボット工学のような、非常にダイナミックで安全に重要な環境で確実に機能する必要がある。 平均精度に基づく標準メトリクスは、画像レベルでではなく、オブジェクトレベルでモデルの脆弱性を推定する。 本稿では,不正確な画像検出に基づいて脆弱性を定量化するための新しい指標IVMODを提案する。
  論文  参考訳（メタデータ） (2022-09-07T15:27:09Z)
• Adversarially-Aware Robust Object Detector [85.10894272034135]
  本稿では,ロバスト検出器 (RobustDet) を提案する。 本モデルは, クリーン画像の検出能力を維持しながら, 傾きを効果的に解き, 検出堅牢性を著しく向上させる。
  論文  参考訳（メタデータ） (2022-07-13T13:59:59Z)
• PixMix: Dreamlike Pictures Comprehensively Improve Safety Measures [65.36234499099294]
  フラクタルなどの画像の自然な構造的複雑さを利用した新しいデータ拡張戦略を提案する。 この課題に対処するために、フラクタルなどの画像の自然な構造的複雑さを利用した新しいデータ拡張戦略を設計する。
  論文  参考訳（メタデータ） (2021-12-09T18:59:31Z)

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。