論文の概要: SinD 2.0: A Multi-City UAV Dataset with Semantic Risk Annotations for SOTIF-Oriented Safety Validation at Signalized Intersections
- arxiv url: http://arxiv.org/abs/2607.16943v1
- Date: Sat, 18 Jul 2026 19:46:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-21 18:48:37.307279
- Title: SinD 2.0: A Multi-City UAV Dataset with Semantic Risk Annotations for SOTIF-Oriented Safety Validation at Signalized Intersections
- Title（参考訳）: SinD 2.0:SOTIF指向安全性検証のためのセマンティックリスクアノテーション付き多都市UAVデータセット
- Abstract要約: SinD 2.0は、クロスドメインADS安全分析専用の大規模ドローンベースの交差点データセットである。
中国4都市を横断する6つの信号化交差点を網羅し、異なる交差点地形と地域運転特性を捉えている。
交通違反、リスクの高い対話、視覚的遮蔽、狭い実現可能な領域を含む多次元のセマンティックラベルを提供する。
- 参考スコア（独自算出の注目度）: 25.449235850257367
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Safety validation at signalized intersections remains a critical bottleneck for the deployment of autonomous driving systems (ADS), as these scenarios involve dense heterogeneous traffic, contested right of way, and long-tail safety-critical interactions, posing significant challenges to the Safety of the Intended Functionality (SOTIF). Existing naturalistic driving datasets often suffer from geographical homogeneity, sparsity of safety-critical events, and lack of semantic risk annotations, which limit the evaluation of algorithmic generalizability and targeted SOTIF verification. To address these gaps, this paper introduces SinD 2.0, a large-scale drone-based intersection dataset dedicated to cross-domain ADS safety analysis. The main contributions of SinD 2.0 are: (1) Cross-domain diversity: It covers six signalized intersections across four Chinese cities, capturing distinct intersection topologies and regional driving behavior characteristics; (2) High-density risk interactions: A total of 32,682 safety-critical events are extracted via surrogate safety measures, significantly enriching the density of boundary test scenarios; (3) Hierarchical semantic annotations: Besides integration with high-definition (HD) maps and Signal Phase and Timing (SPaT) data, it provides multi-dimensional semantic labels including traffic violations, high-risk interactions, visual shielding, and narrow feasible areas; (4) Full-stack testing toolchain: It supports automated scenario extraction, prediction-only evaluation, open-loop replay, reactive closed-loop testing, and photorealistic rendering. Benchmark experiments demonstrate that SinD 2.0 exhibits significant domain shifts across cities, and the semantic risk subsets can effectively expose the performance limitations of ADS algorithms. The dataset, annotations, and testing toolchain are available at https://github.com/SOTIF-AVLab/SinD/tree/main.
- Abstract（参考訳）: 信号化交差点における安全性の検証は、密集した異種交通や、道順の競合、長距離安全クリティカルな相互作用などを含む自律運転システム(ADS)の展開において重要なボトルネックであり、SOTIF (Safety of the Intended Functionality) にとって重要な課題となっている。
既存の自然主義駆動データセットは、しばしば地理的均一性、安全クリティカルな事象の空間性、およびアルゴリズムの一般化可能性の評価とターゲットSOTIF検証を制限するセマンティックリスクアノテーションの欠如に悩まされる。
これらのギャップに対処するために、クロスドメインADS安全性分析専用の大規模ドローンベースの交差点データセットであるSinD 2.0を紹介する。
SinD 2.0の主な貢献は次のとおりである: 1) クロスドメインの多様性: 中国4都市の6つの信号化交差点をカバーし、異なる交差点のトポロジと地域運転行動の特徴を捉えている; 2) 高密度リスク相互作用:32,682件の安全クリティカルイベントを、安全対策を通じて抽出し、境界テストシナリオの密度を著しく高めている; (3)階層的セマンティックアノテーション:高精細(HD)マップと信号位相とタイミング(SPaT)データとの統合に加えて、交通違反、高リスクインタラクション、ビジュアルシールド、狭機能領域を含む多次元セマンティックラベルを提供する; (4) フルスタックテストツールチェーン: 自動シナリオ抽出、予測、予測専用評価、オープンループ、クローズドループ、クローズドループ、フォトリアクティブなレンダリングをサポートする。
ベンチマーク実験により、SinD 2.0は都市間で大きなドメインシフトを示し、セマンティックリスクサブセットはADSアルゴリズムのパフォーマンス制限を効果的に露呈できることが示された。
データセット、アノテーション、テストツールチェーンはhttps://github.com/SOTIF-AVLab/SinD/tree/mainで公開されている。
関連論文リスト
- Synthetic-to-Real Pipeline for Safe Landing Zone Detection [0.0]
この研究は、自律着陸タスクのシム・トゥ・リアルギャップを橋渡しするために設計された包括的知覚とデータ生成パイプラインを提案する。
本稿では,ドメインランダム化による自動意味アノテーションによる都市環境生成のための手続き型合成データエンジンを提案する。
決定論的着陸モジュールは、Euclidean Distance Transform (EDT) と動的推論ロジックを使用して、最も大きな入力された安全な着陸ゾーンを特定する。
論文 参考訳（メタデータ） (2026-06-09T01:32:07Z) - Statistically-Guided Dual-Domain Meta-Learning with Adaptive Multi-Prototype Aggregation for Distributed Fiber Optic Sensing [11.719957656139824]
本稿では,DFOS 活動識別のための新しいメタ学習フレームワーク DUPLE を提案する。
まず、デュアルドメインのマルチプロトタイプ学習者が時間領域と周波数領域の特徴を融合させ、信号分散シフト下でのモデルの一般化能力を向上する。
第二に、統計ガイドネットワーク(SGN)は、生の統計的特徴からドメインの重要性とプロトタイプの感度を推定し、ラベルのないドメインや目に見えないドメインで学習するためのデータ駆動の事前情報を提供する。
第3に、クエリ対応プロトタイプアグリゲーションモジュールは、関連するプロトタイプを適応的に選択・結合し、限られたデータであっても分類性能を向上させる。
論文 参考訳（メタデータ） (2025-11-22T03:39:13Z) - Scalable Hierarchical AI-Blockchain Framework for Real-Time Anomaly Detection in Large-Scale Autonomous Vehicle Networks [0.5505634045241287]
既存のセキュリティスキームでは、車両の大規模ネットワークの10ms未満の異常検出と分散調整ができない。
本稿では,リアルタイムな局所脅威検出と分散協調操作を分離する3層ハイブリッドセキュリティアーキテクチャであるHAVENを紹介する。
エッジ上の光アンサンブル異常検出モデル、Byzantine-fault-tolerant Federated Learningを使用して、地域規模の脅威インテリジェンスを集約する、重要なセキュリティ調整を保証するための選択されたブロックチェーンメカニズムが含まれている。
論文 参考訳（メタデータ） (2025-11-16T15:30:46Z) - Adaptive Dual Uncertainty Optimization: Boosting Monocular 3D Object Detection under Test-Time Shifts [80.32933059529135]
TTA(Test-Time Adaptation)メソッドが出現し、推論中にターゲット分布に適応する。
我々は、堅牢なM3ODの両不確実性を共同で最小化するために設計された、最初のTTAフレームワークであるDual Uncertainity Optimization (DUO)を提案する。
並列に,明瞭な意味的手がかりを持つ領域における幾何学的コヒーレンスを保存する意味認識型正規場制約を設計する。
論文 参考訳（メタデータ） (2025-08-28T07:09:21Z) - Cross-Dataset Semantic Segmentation Performance Analysis: Unifying NIST Point Cloud City Datasets for 3D Deep Learning [49.1574468325115]
本研究では、公共安全アプリケーションに関連する異種ラベル付きポイントクラウドデータセット間のセマンティックセマンティックセマンティクス性能を解析する。
主な課題は、ラベル付きデータ不足、データセット間でクラスラベルを統一することの難しさ、標準化の必要性である。
論文 参考訳（メタデータ） (2025-08-01T17:59:02Z) - Segmenting Objectiveness and Task-awareness Unknown Region for Autonomous Driving [46.70405993442064]
本稿では,自律走行シーンのためのセグメンティング・オブジェクトネスとタスク・アウェアネス(SOTA)という新しいフレームワークを提案する。
SOTAは、セマンティック・フュージョン・ブロック(SFB)を通じて目的のセグメンテーションを強化し、道路ナビゲーションタスクに関係のない異常をフィルタリングする。
論文 参考訳（メタデータ） (2025-04-27T10:08:54Z) - FuzzRisk: Online Collision Risk Estimation for Autonomous Vehicles based on Depth-Aware Object Detection via Fuzzy Inference [6.856508678236828]
このフレームワークは異なるアルゴリズムから2組の予測を受け取り、不整合とファジィ推論による衝突リスクを関連付ける。
IoU(Intersection-over-Union)と深度差測定(deep discrepancy measure)に基づいて,2組の予測の不一致が3次元物体検出器の誤差と強く相関していることを実験的に検証した。
AV衝突率によく一致する既存のオフラインメトリックに対してファジィ推論システムを最適化する。
論文 参考訳（メタデータ） (2024-11-09T20:20:36Z) - Traffic and Safety Rule Compliance of Humans in Diverse Driving Situations [48.924085579865334]
安全な運転プラクティスを再現する自律システムを開発するためには、人間のデータを分析することが不可欠だ。
本稿では,複数の軌道予測データセットにおける交通・安全規則の適合性の比較評価を行う。
論文 参考訳（メタデータ） (2024-11-04T09:21:00Z) - Towards Unified 3D Object Detection via Algorithm and Data Unification [70.27631528933482]
我々は、最初の統一型マルチモーダル3Dオブジェクト検出ベンチマークMM-Omni3Dを構築し、上記のモノクロ検出器をマルチモーダルバージョンに拡張する。
設計した単分子・多モード検出器をそれぞれUniMODEとMM-UniMODEと命名した。
論文 参考訳（メタデータ） (2024-02-28T18:59:31Z) - AdvGPS: Adversarial GPS for Multi-Agent Perception Attack [47.59938285740803]
本研究は,マルチエージェント認識システムにおいて,特定のGPS信号が容易に誤認できるかどうかを考察する。
我々は,システム内の個々のエージェントに対してステルス性を持つ逆GPS信号を生成可能なtextscAdvGPSを紹介する。
OPV2Vデータセットに対する実験により、これらの攻撃が最先端の手法の性能を著しく損なうことを示した。
論文 参考訳（メタデータ） (2024-01-30T23:13:41Z) - SAFE-SIM: Safety-Critical Closed-Loop Traffic Simulation with Diffusion-Controllable Adversaries [94.84458417662407]
制御可能なクローズドループ安全クリティカルシミュレーションフレームワークであるSAFE-SIMを紹介する。
提案手法は,1)現実の環境を深く反映した現実的な長距離安全クリティカルシナリオの生成,2)より包括的でインタラクティブな評価のための制御可能な敵行動の提供,の2つの利点をもたらす。
複数のプランナにまたがるnuScenesとnuPlanデータセットを使用して、我々のフレームワークを実証的に検証し、リアリズムと制御性の両方の改善を実証した。
論文 参考訳（メタデータ） (2023-12-31T04:14:43Z) - Illicit item detection in X-ray images for security applications [7.519872646378835]
X線画像におけるコントラバンドアイテムの自動検出は、公共の安全を著しく向上させる。
ディープニューラルネットワーク(DNN)に依存する現代のコンピュータビジョンアルゴリズムは、このタスクを遂行できることを証明している。
本稿では,X線解析領域におけるそのようなアルゴリズムの2倍の改良を提案する。
論文 参考訳（メタデータ） (2023-05-03T07:28:05Z)
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。