論文の概要: SafeStep: An Interactive Demonstration of Semantic Communication for Pedestrian Safety Monitoring
- arxiv url: http://arxiv.org/abs/2608.27688v1
- Date: Thu, 27 Aug 2026 20:25:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-31 17:16:04.144252
- Title: SafeStep: An Interactive Demonstration of Semantic Communication for Pedestrian Safety Monitoring
- Title（参考訳）: SafeStep: 歩行者の安全モニタリングのためのセマンティックコミュニケーションのインタラクティブなデモ
- Abstract要約: SafeStepは、インタラクティブなブラウザベースのセマンティックコミュニケーションプラットフォームで、ライブの歩行者安全監視を行う。
4つのライブトラフィックカメラフィードから歩行者情報を抽出し、セマンティック通信トランシーバを介して送信し、ユーザ固有の位置、軌道、リスクラベルを描画する。
SafeStepは,AoIによるダウンストリーム劣化をライブ監視アプリケーションで直接監視可能にする,初めてのリアルタイムセマンティック通信プラットフォームである。
- 参考スコア（独自算出の注目度）: 5.20959570514161
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we develop SafeStep, an interactive browser-based semantic communication platform for live pedestrian safety monitoring. SafeStep extracts pedestrian information from four live traffic-camera feeds, transmits it through a semantic communication transceiver over an Additive White Gaussian Noise (AWGN) channel, and renders user-specific positions, trajectories, and risk labels. The platform allows to independently select the transceiver, Signal-to-Noise Ratio (SNR), codelength, and Age of Information (AoI), and demonstrates the transceiver performance of the selected configuration through live pedestrian safety monitoring to each browser. SafeStep compares a recently proposed semantic communication design called Meta-VIB with five baseline transceivers. Meta-VIB uses a compact neural model with only $4.16$ million parameters to generalize across varying SNR, codelength, and AoI values without online retraining. Experimental results show that Meta-VIB achieves mean task-loss reductions of up to $92.1\%$. On one high-end GPU server, the integrated concurrent-access workload maintains the target $5$ frames/s through $20$ users. At $100$ users, each requesting a distinct configuration, SafeStep records no request failures and a mean application response time below $1$ s, but its mean per-browser frame rate falls to approximately $1$ frame/s. To our knowledge, SafeStep is the first real-time semantic communication platform to make AoI-induced downstream degradation directly observable in live monitoring applications.
- Abstract（参考訳）: 本稿では,ライブ歩行者安全監視のための対話型ブラウザベースのセマンティックコミュニケーションプラットフォームであるSafeStepを開発する。
SafeStepは、4つのライブトラフィックカメラフィードから歩行者情報を抽出し、AWGN(Additive White Gaussian Noise)チャネルを介してセマンティック通信トランシーバを介して送信し、ユーザ固有の位置、軌道、リスクラベルを表示する。
このプラットフォームは、トランシーバ、信号対雑音比(SNR)、コード長、情報時代(AoI)を独立して選択することができ、各ブラウザへのライブ歩行者安全監視を通じて、選択した構成のトランシーバ性能を示す。
SafeStepはMeta-VIBと呼ばれる最近提案されたセマンティック通信設計と5つのベースライントランシーバを比較している。
Meta-VIBは、オンラインリトレーニングなしで様々なSNR、コード長、AoI値を一般化するために、わずか4.16億ドルのパラメータしか持たないコンパクトなニューラルモデルを使用する。
実験の結果、Meta-VIB はタスクロスを最大 92.1 % まで削減できることがわかった。
あるハイエンドGPUサーバでは、統合されたコンカレントアクセスワークロードは、目標の5ドルフレーム/秒から20ドルユーザまで維持される。
ユーザは1ドル(約1万1000円)で、それぞれ異なる設定を要求すると、SafeStepはリクエスト障害がなく、平均アプリケーションレスポンス時間は1ドル(約1万2000円)以下だが、ブラウザ毎のフレームレートは約1ドル(約1万1000円)になる。
私たちの知る限り、SafeStepは、AoIによるダウンストリームの劣化を、ライブモニタリングアプリケーションで直接観察可能にする、初めてのリアルタイムセマンティック通信プラットフォームです。
関連論文リスト
- $D^2$-Monitor: Dynamic Safety Monitoring for Diffusion LLMs via Hesitation-Aware Routing [63.49501120848927]
大規模言語モデル(D-LLM)の安全性監視はほとんど未検討である。
D-LLMの2レベル安全モニタであるD2$-Monitorを提案する。
D2$-Monitorは、常にオンのモニターとして軽量プローブを採用して、ヒューズレーションを共同で見積もり、ベース分類を実行する。
論文 参考訳（メタデータ） (2026-05-25T14:22:21Z) - Progressive Online Video Understanding with Evidence-Aligned Timing and Transparent Decisions [75.23170605943457]
textbfmodelは、メモリ統合から推論制御を分離するフレームワークである。
emphActive Thinking Decision Maker (ATDM)は、決定プロセスの外部化を行う透明な推論コントローラである。
emphHierarchical Progressive Semantic Integration (HPSI)モジュールは効率的なメモリシステムとして機能する。
論文 参考訳（メタデータ） (2026-04-20T16:15:33Z) - WISV: Wireless-Informed Semantic Verification for Distributed Speculative Decoding in Device-Edge LLM Inference [56.297697169678095]
WISV(Wireless-Informed Semantic Verification)は、分散投機的復号化フレームワークである。
WISVは最大60.8%の許容長の増加、37.3%の対話ラウンドの削減、31.4%のエンドツーエンドレイテンシの改善を実現している。
NVIDIA Jetson AGX OrinとA40搭載サーバからなるハードウェアテストベッド上でWISVを検証する。
論文 参考訳（メタデータ） (2026-04-20T01:29:56Z) - eBandit: Kernel-Driven Reinforcement Learning for Adaptive Video Streaming [0.0]
eBanditは、ネットワーク監視とABRアルゴリズムの選択の両方をLinuxカーネルに再配置するフレームワークである。
軽量なepsilon-greedy Multi-Armed Bandit (MAB) はソックスプログラム内で動作し、ライブTCPメトリクスから得られる報酬に対して3つのABRを評価する。
論文 参考訳（メタデータ） (2026-04-09T22:02:04Z) - Graduated Trust Gating for IoT Location Verification: Trading Off Detection and Proof Escalation [0.0]
既存のスプーフィング検出器はバイナリな決定を出力し、システム設計者は高い偽陰性と高い偽受容率を選択せざるを得ない。
本稿では,複数信号の整合性スコアを算出し,それを3つのアクション(ProCEED,STEP-UP,DENY)にマップする信頼ゲートを提案する。
セッションラッチ機構は、ひとつの不審な修正がセッション全体をブロックすることを保証する。
論文 参考訳（メタデータ） (2026-04-04T23:42:56Z) - Adaptive Vision-Language Model Routing for Computer Use Agents [9.457255218406333]
コンピュータ利用エージェントは、命令をクリック、キーストローク、スクロールなどのアクションに変換する。
現在のCUAシステムは、通常、困難にかかわらず全てのアクションを単一の固定モデルにルーティングする。
本稿では,CUAオーケストレータとVLMプール間の軽量なセマンティックルーティング層を挿入するフレームワークであるConfusedbf VLM Routing (AVR)を提案する。
論文 参考訳（メタデータ） (2026-03-13T09:21:25Z) - 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) - Semantic-Drive: Democratizing Long-Tail Data Curation via Open-Vocabulary Grounding and Neuro-Symbolic VLM Consensus [0.0]
セマンティックドライブ(Semantic-Drive)は、セマンティックなデータマイニングのための、ローカルファーストで、ニューロシンボリックなフレームワークである。
提案手法は,(1)リアルタイムオープン語彙検出装置(YOLOE)によるグラウンドニングと,(2)推論VLMによる認知分析の2つの段階に分離する。
論文 参考訳（メタデータ） (2025-12-12T20:07:04Z) - Pixels or Positions? Benchmarking Modalities in Group Activity Recognition [62.18221200080195]
グループアクティビティ認識(GAR)は、監視および屋内チームスポーツのためのビデオモダリティについてよく研究されている。
エージェントの位置や軌道のような他のモダリティ、すなわち追跡は、比較的未探索のままである。
同じグループのアクティビティのために、放送されたビデオと追跡データを整列する標準化されたベンチマークは存在しない。
論文 参考訳（メタデータ） (2025-11-16T14:04:12Z) - Cross-domain Learning Framework for Tracking Users in RIS-aided Multi-band ISAC Systems with Sparse Labeled Data [55.70071704247794]
統合センシング・通信(ISAC)は6G通信において重要であり、再構成可能なインテリジェントサーフェス(RIS)の急速な発展によって促進される
本稿では,複数の帯域にまたがるマルチモーダルCSIインジケータを協調的に活用し,クロスドメイン方式で追跡機能をモデル化するX2Trackフレームワークを提案する。
X2Trackの下では、トランスフォーマーニューラルネットワークと逆学習技術に基づいて、トラッキングエラーを最小限に抑える効率的なディープラーニングアルゴリズムを設計する。
論文 参考訳（メタデータ） (2024-05-10T08:04:27Z) - FCOS: A simple and strong anchor-free object detector [111.87691210818194]
物体検出を画素ごとの予測方式で解くために, 完全畳み込み型一段物検出器 (FCOS) を提案する。
RetinaNet、SSD、YOLOv3、Faster R-CNNといった最先端のオブジェクト検出器のほとんどは、事前に定義されたアンカーボックスに依存している。
対照的に、提案した検出器FCOSはアンカーボックスフリーであり、提案はフリーである。
論文 参考訳（メタデータ） (2020-06-14T01:03:39Z)
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。