Fugu-MT 論文翻訳(概要): ForeSightGuide: An Anticipatory Framework toward Accurate and Low-Redundancy Guidance for the Visually Impaired

論文の概要: ForeSightGuide: An Anticipatory Framework toward Accurate and Low-Redundancy Guidance for the Visually Impaired

arxiv url: http://arxiv.org/abs/2608.18993v1
Date: Wed, 19 Aug 2026 14:58:51 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-20 20:13:55.433759
Title: ForeSightGuide: An Anticipatory Framework toward Accurate and Low-Redundancy Guidance for the Visually Impaired
Title（参考訳）: ForeSightGuide:視覚障害者のための精度と低冗長誘導のための予測フレームワーク
Abstract要約: ForeSightGuideは、セマンティックシーン理解と予測的ハザードアセスメントを結合した予測支援ガイダンスフレームワークである。冗長なアラートをガイダンス出力あたり0.299に削減することで、情報過負荷を大幅に軽減する。また、ミスハザード率0.112を低く保ち、安全な歩行支援に有効であることを証明している。
参考スコア（独自算出の注目度）: 15.456002337682591
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Electronic travel aids are pivotal for the independent mobility of the visually impaired. While Vision-Language Models (VLMs) offer rich environmental understanding, they often suffer from excessive false positives in dynamic scenarios, leading to cognitive overload. To address this, we present ForeSightGuide, an anticipatory assistive guidance framework that couples semantic scene understanding with predictive hazard assessment. Unlike reactive systems, ForeSightGuide leverages the reasoning capabilities of VLMs to anticipate obstacle motion, effectively filtering out non-threatening objects to provide concise, actionable guidance. To validate our approach, we introduce a novel dataset captured in complex, dynamic real-world traffic scenes, designed to benchmark predictive capabilities. Extensive experiments on both public benchmarks and our proposed dataset demonstrate that ForeSightGuide achieves state-of-the-art performance. Notably, it significantly mitigates information overload by reducing redundant alerts to 0.299 per guidance output while maintaining a low missed-hazard rate of 0.112, proving its efficacy for safe walking assistance.
Abstract（参考訳）: 電子的移動補助は視覚障害者の自立移動に重要な役割を担っている。 VLM(Vision-Language Models)は豊かな環境理解を提供するが、動的シナリオにおける過剰な偽陽性に悩まされ、認知的過負荷につながることが多い。そこで本研究では,セマンティック・シーン理解と予測的ハザード・アセスメントを結合した予測支援ガイダンスフレームワークであるForeSightGuideを提案する。リアクティブシステムとは異なり、ForeSightGuideはVLMの推論機能を利用して障害物の動きを予測する。提案手法を検証するために,予測能力をベンチマークするために設計された,複雑な動的実世界の交通シーンでキャプチャされた新しいデータセットを導入する。 ForeSightGuideは,公開ベンチマークと提案データセットの両方において,最先端のパフォーマンスを実現していることを示す。特に、冗長なアラートを指示出力当たり0.299に削減し、ミスハザードレート0.112を維持し、安全な歩行支援に有効であることを証明することで、情報過負荷を著しく軽減する。

関連論文リスト

Uncertainty Quantification for Flow-Based Vision-Language-Action Models [33.28454469934064]
視覚言語アクションモデル(VLA)は、視覚言語バックボーンと、大規模ロボットデータセットのフローマッチングによってトレーニングされた表現力豊かな生成アクションヘッドを組み合わせる。ロボット操作における強い経験的性能にもかかわらず、VLAは予測の信頼性を定量化し、動作が信頼できない可能性があることを検知するメカニズムを欠いている。本稿では,不確実性誘導型アクティブ微調整のためのフレームワークであるSAVEを提案する。
論文参考訳（メタデータ） (2026-06-16T15:19:09Z)
SAFE-Pruner: Semantic Attention-Guided Future-Aware Token Pruning for Efficient Vision-Language-Action Manipulation [71.91583446135651]
SAFE-Prunerはプラグアンドプレイのプルーニングフレームワークで、将来のレイヤーの注意手順をプルーニング決定に組み込む。本手法は成功率を1.7%以下に抑えながら最大1.89倍の高速化を実現し,最先端の手法を最大1.9%向上させることを示した。
論文参考訳（メタデータ） (2026-05-28T09:23:08Z)
Principled Steering via Null-space Projection for Jailbreak Defense in Vision-Language Models [71.11171576590134]
視覚言語モデルは視覚的ジェイルブレイク攻撃によって容易に誘導され、有害なコンテンツを生成する。本稿では,NullSteerを提案する。我々はNullSteerが様々なジェイルブレイク攻撃において有害な出力を著しく減少させることを示す。
論文参考訳（メタデータ） (2026-03-23T15:23:23Z)
Learning from Mistakes: Post-Training for Driving VLA with Takeover Data [22.44026866655379]
TakeVLAは、2つの補完的なイノベーションを通じて欠点を克服する新しいVLAポストトレーニングフレームワークである。まず,VLAが積極的に誤りから学ぶことができるような,占領前言語指導を導入する。第2に,再建された乗っ取りシナリオで動作する強化微調整パラダイムであるScenario Dreamingを提案する。
論文参考訳（メタデータ） (2026-03-16T08:33:48Z)
ReViP: Reducing False Completion in Vision-Language-Action Models with Vision-Proprioception Rebalance [50.05984919728878]
本稿では、視覚的接地と摂動下での堅牢性を高めるために、視覚-受容器リバランスを備えた新しいVLAフレームワークReViPを提案する。具体的には、タスクステージオブザーバとして外部VLMを使用して、視覚的な観察からリアルタイムなタスク中心の視覚的手がかりを抽出する。本稿では,オブジェクトドロップのような制御された設定を持つLIBERO上に構築された最初のFalse-Completion Benchmark Suiteを提案する。
論文参考訳（メタデータ） (2026-01-23T11:31:07Z)
SG-OIF: A Stability-Guided Online Influence Framework for Reliable Vision Data [6.4391040754741296]
本稿では,テスト予測に対するトレーニングポイントの影響を近似するための安定誘導オンライン影響フレームワーク(SG-OIF)を提案する。 CIFAR-10の上位1%の予測サンプルでは,SG-OIFが91.1%,MNISTの99.8%のAUPRスコアが得られた。
論文参考訳（メタデータ） (2025-11-21T19:58:54Z)
DeLeaker: Dynamic Inference-Time Reweighting For Semantic Leakage Mitigation in Text-to-Image Models [55.30555646945055]
テキスト・ツー・イメージ(T2I)モデルはセマンティック・リークに対して脆弱である。 DeLeakerは、モデルのアテンションマップに直接介入することで、漏洩を緩和する軽量なアプローチである。 SLIMはセマンティックリークに特化した最初のデータセットである。
論文参考訳（メタデータ） (2025-10-16T17:39:21Z)
Weakly and Self-Supervised Class-Agnostic Motion Prediction for Autonomous Driving [52.79390062794558]
我々は,LiDAR点雲からの弱・自己監督型クラス非依存動作予測について検討した。動作アノテーションを完全にあるいは部分的に注釈付けした(1%, 0.1%)フォアグラウンド/バックグラウンドマスクに置き換える,弱制御された新しいパラダイムを提案する。
論文参考訳（メタデータ） (2025-09-16T14:22:45Z)
Anomalous Decision Discovery using Inverse Reinforcement Learning [3.3675535571071746]
異常検出は、知覚システムを通じて異常な行動を特定することによって、自律走行車(AV)において重要な役割を果たす。現在のアプローチは、しばしば定義済みのしきい値や教師付き学習パラダイムに依存するが、目に見えないシナリオに直面すると効果が低下する。異常検出のための新しいIRLフレームワークである Trajectory-Reward Guided Adaptive Pre-training (TRAP) を提案する。
論文参考訳（メタデータ） (2025-07-06T17:01:02Z)
Black-Box Adversarial Attack on Vision Language Models for Autonomous Driving [65.61999354218628]
我々は、自律運転システムにおいて、視覚言語モデル(VLM)をターゲットとしたブラックボックス敵攻撃を設計する第一歩を踏み出す。セマンティクスの生成と注入による低レベル推論の分解を目標とするカスケーディング・アディバーショナル・ディスラプション(CAD)を提案する。本稿では,高レベルリスクシナリオの理解と構築に代理VLMを活用することで,動的適応に対処するリスクシーンインジェクションを提案する。
論文参考訳（メタデータ） (2025-01-23T11:10:02Z)
VATLD: A Visual Analytics System to Assess, Understand and Improve Traffic Light Detection [15.36267013724161]
本稿では,自律運転アプリケーションにおける交通信号検知器の精度とロバスト性を評価・理解・改善する視覚分析システム,VATLDを提案する。歪んだ表現学習は、人間に親しみやすい視覚的要約で人間の認知を強化するために、データ意味を抽出する。また、視覚分析システムであるVATLDによる様々な性能改善戦略の有効性を実証し、自律運転における安全クリティカルな応用の実践的意義を示す。
論文参考訳（メタデータ） (2020-09-27T22:39:00Z)

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。