論文の概要: Caption-Mediated Perceived-Safety Estimation for Pedestrian Routing
- arxiv url: http://arxiv.org/abs/2609.38479v1
- Date: Tue, 29 Sep 2026 20:08:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:26.699275
- Title: Caption-Mediated Perceived-Safety Estimation for Pedestrian Routing
- Title（参考訳）: 歩行者ルーティングにおけるキャプション媒介による安全度推定
- Abstract要約: 本稿では,道路レベルの画像から認識される安全度を推定する,歩行者経路に対する説明可能なアプローチを提案する。
このアプローチは、北イングランドの2カ所で36の選挙区をカバーする654,115枚以上の画像が展開された。
- 参考スコア（独自算出の注目度）: 3.483244025020902
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents an explainable approach to pedestrian routing, in which perceived safety is estimated from street-level imagery through an explicit natural-language intermediate representation. A vision--language model caption is generated and stored before any scoring is undertaken, and the perceived-risk class is derived entirely from structured features of that stored text, so that every segment score remains inspectable by the user. Nine captioning conditions across five model families are benchmarked against a direct Contrastive Language--Image Pre-training (CLIP) image-embedding baseline under an identical downstream pipeline, and the caption-mediated representation is found to reach parity with the image embedding rather than to trail it. The approach was deployed over 654,115 images covering 36 electoral wards in two locations in Northern England (Manchester and Huddersfield). Independent field validation against 3,669 locally collected ratings of 494 images across 70 participant sessions established agreement that is statistically significant but modest, at $r=0.262$, against a measured noise ceiling of 0.737 imposed by disagreement between raters. A single-use confirmatory test then found that a pipeline 44\% stronger on the supervised benchmark did not produce measurable improvement in the field ($r=0.250$, $p=0.84$), so the benchmark gains did not predict the deployment gains in this case. Routing behaviour varies systematically with journey length. There is negligible change below 1\,km, reaching a median increase of 12.78\% in low-risk route length for a median detour of 2.73\% on journeys of 3 to 6 km.
- Abstract（参考訳）: 本稿では,道路レベルの画像から認識される安全性を,明示的な自然言語中間表現を通じて推定する,歩行者経路に対する説明可能なアプローチを提案する。
任意のスコアが実行される前に視覚言語モデルキャプションを生成して記憶し、認識リスククラスは、その格納されたテキストの構造的特徴から完全に導出されるので、各セグメントスコアがユーザによって検査可能である。
5つのモデルファミリーにまたがる9つのキャプション条件を、同じ下流パイプラインの下で直接Contrastive Language-- Image Pre-Torning (CLIP)イメージ埋め込みベースラインに対してベンチマークし、キャプションを介する表現は、後続ではなく画像埋め込みと同程度に到達する。
このアプローチは、北イングランドの2箇所(マンチェスターとハダースフィールド)で36の選挙区をカバーする654,115枚以上の画像が展開された。
参加者70名を対象に, 局所的に収集した494画像の3,669点に対する独立フィールド検証により, 統計的に有意な合意が得られたが, 定価$r=0.262$と, ラッカー間の不一致による0.737点のノイズ天井に対して, 適度な合意が得られた。
シングルユース確認テストでは、教師付きベンチマークで44\%強いパイプラインがフィールドの計測可能な改善(r=0.250$, $p=0.84$)を生じないことが判明した。
ルーティング行動は、旅行時間とともに体系的に変化する。
1km以下では無視できない変化があり、3kmから6kmの走行では、低リスク経路長が12.78.%、中央値が2.73.%に達する。
関連論文リスト
- Replication Failure and Trivial Baselines in Road-Level Crash Prediction [0.0]
グラフニューラルネットワークは、道路レベルのクラッシュ予測にますます適用されているが、報告されたゲインの安定性はほとんど精査されていない。
拡張ウィンドウプロトコルにより,ロンドンの3つの地区にまたがる設計決定を11件評価した。
このタスクにおけるグラフネットワークの歴史的ベースラインに対する明らかなマージンは、これらのベースラインが計算された短い水平線のアーチファクトである、と我々は主張する。
論文 参考訳（メタデータ） (2026-09-28T09:53:54Z) - Occlusal Geometry in Closed Form for Orthodontic Report Generation [0.0]
上述のRAS規約に代えて,アーチテーパーとアーチ閉鎖から解剖学的フレームを回収する。
各アーチは, オーバービット, オーバージェット, ミッドライン偏差, 横オーバーラップ, クロスビット範囲, 交叉ラグ, 咬合曲線を有するアーチ角座標において, 咬合隆起プロファイルに還元される。
論文 参考訳（メタデータ） (2026-09-02T14:58:29Z) - What Confidence Routing Is Actually Doing: Auditing Routing, Calibration, and Commitment in Multi-Agent Deliberation [2.6977334313650565]
マルチエージェント設計では、エージェントに対して信頼性を報告し、最高のエージェントが次に話すように要求する。
トラヒックレベルの3つの質問を分離することにより、信頼性が低下した放送プロトコルを監査する。
論文 参考訳（メタデータ） (2026-08-18T21:39:27Z) - Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
PointArena 2026は77.2%の精度でベンチマークで2位である。
ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。
次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
論文 参考訳（メタデータ） (2026-06-29T06:39:03Z) - Beyond False Stability: High-Noise Drift Gating for Test-Time Adversarial Defenses in Vision-Language Models [37.24612885977265]
CLIPのような視覚言語モデル(VLM)は、強いゼロショットの一般化を示すが、敵攻撃に対して非常に脆弱である。
最近のアプローチでは、CLIPの視覚的表現が摂動にどのように反応するかを利用する。
軽量ゲーティング信号として高雑音特徴ドリフトを用いた学習自由なプラグインドリフトゲート機構を提案する。
論文 参考訳（メタデータ） (2026-06-02T14:49:04Z) - Can Attribution Predict Risk? From Multi-View Attribution to Planning Risk Signals in End-to-End Autonomous Driving [51.726472686971896]
エンド・ツー・エンドの自律運転モデルは、多視点入力から将来の軌跡を生成する。
既存の手法では、軌道生成の根底にある視覚的証拠を明らかにすることができない。
エンド・ツー・エンド・プランニングのための階層的属性・フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-07T13:38:18Z) - Paired-CSLiDAR: Height-Stratified Registration for Cross-Source Aerial-Ground LiDAR Pose Refinement [46.13526676100776]
Paired-CSLiDAR(英語版)は、シングルスキャンポーズリファインメントのためのクロスソース空地LiDARベンチマークである。
このベンチマークには6つの評価サイトで12,683組の地上空対が含まれている。
本稿では,RGSR(Residual-Guided Stratified Registration)を提案する。
論文 参考訳（メタデータ） (2026-05-01T13:14:20Z) - The Autocorrelation Blind Spot: Why 42% of Turn-Level Findings in LLM Conversation Analysis May Be Spurious [35.76482964927589]
202のマルチターン会話における66のターンレベルメトリクスの自己相関構造を特徴付ける。
標準プールテストでは,42%のアソシエーションがクラスタ・ロバスト補正に成功しなかった。
我々は、Chelton (1983) の有効自由度と会話レベルのブロックブートストラップを組み合わせた2段階補正フレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-15T20:54:39Z) - Recov-Vision: Linking Street View Imagery and Vision-Language Models for Post-Disaster Recovery [4.895685497002736]
災害後のビルレベルの占有は、トリアージ、検査、ユーティリティーの再エネルギー化、資源配分等に不可欠である。
本稿では、パノラマ動画をパーセルにリンクし、ファサードにビューを修正し、解釈可能な属性を付与するフレームワークであるFacadeTrackを紹介する。
2段階のアプローチは、0.927の精度、0.781のリコール、F-1のスコアを0.848の精度で達成し、1段階のベースラインの0.943の精度、0.728のリコール、F-1のスコアを0.822の精度で達成する。
論文 参考訳（メタデータ） (2025-09-25T00:01:38Z)
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。