論文の概要: C-DFF: Concept-Level Diagnostics for Mechanism Parity in Simulation-Based Validation of Autonomous Driving Perception

• arxiv url: http://arxiv.org/abs/2610.33760v1
• Date: Sat, 24 Oct 2026 16:02:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.438528
• Title: C-DFF: Concept-Level Diagnostics for Mechanism Parity in Simulation-Based Validation of Autonomous Driving Perception
• Title（参考訳）: C-DFF:自律運転知覚のシミュレーションに基づく検証におけるメカニズムパリティの概念レベル診断
• Abstract要約: 本稿では,ペア実合成評価のための概念レベルのメカニズムパリティ診断である概念決定的特徴忠実度(CDFF)を提案する。 C-DFFは、オフ・ザ・シェルフのセグメンテーションを用いて、エビデンスを共有意味概念空間に投影し、実および合成概念重要ベクトルと比較する。
• 参考スコア（独自算出の注目度）: 1.1538255621565348
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Simulation is widely used in autonomous-driving validation, but matching task outputs between real and synthetic images does not guarantee that a system relies on the same visual evidence. This creates a validation gap for transfer, especially in safety-critical perception functions. We present Concept-Decisive Feature Fidelity (C-DFF), a concept-level mechanism-parity diagnostic for paired real-synthetic evaluation. Starting from decisive evidence extracted from a frozen system-under-test (SUT), C-DFF projects that evidence into a shared semantic concept space using off-the-shelf segmentation and compares real and synthetic concept-importance vectors. The result is not only a scalar mechanism-parity score, but also a concept-shift diagnostic that identifies which scene concepts become more or less decisive in simulation. We evaluate C-DFF on KITTI $\leftrightarrow$ Virtual KITTI 2 with 2126 matched pairs across three frozen SUTs (steering regression, YOLOP drivable-area, YOLOP lane-line). Across these tasks, C-DFF is SUT-discriminative and yields interpretable concept-level summaries that support validation triage and simulator debugging. When reported alongside task-specific output-value context metrics, C-DFF shows that output agreement does not by itself establish mechanism parity. These results position C-DFF as a practical semantic diagnostic layer for validation and verification workflows in simulation-based AV testing.
• Abstract（参考訳）: シミュレーションは自律走行検証に広く用いられているが、実際の画像と合成画像のタスク出力の一致は、システムが同じ視覚的証拠に依存することを保証していない。 これにより、特に安全クリティカルな知覚機能において、転送の検証ギャップが生じる。 提案する概念-決定的特徴フィデリティ(Concept-Decisive Feature Fidelity, C-DFF)は,ペア実合成評価のための概念レベルメカニズム-パリティ診断である。 凍結したシステムアンダーテスト (SUT) から抽出された決定的なエビデンスから始まり、C-DFFはオフザシェルフセグメンテーションを用いて共有セマンティック概念空間にエビデンスを投影し、実数と合成概念重要ベクトルを比較する。 結果は、スカラーメカニズム・パリティスコアだけでなく、シミュレーションにおいてどのシーン概念が決定的になるかを特定する概念シフト診断でもある。 KITTI $\leftrightarrow$ Virtual KITTI 2 with 2126 matched pairs across three frozen SUTs (steering regression, YOLOP drivable-area, YOLOP lane-line)。 これらのタスク全体で、C-DFFはSUT差別的であり、検証トリアージとシミュレーターデバッグをサポートする解釈可能な概念レベルの要約を提供する。 タスク固有の出力値コンテキストメトリクスと共に報告されると、C-DFFは出力合意がそれ自体がメカニズムパリティを確立していないことを示す。 これらの結果は,シミュレーションに基づくAVテストにおいて,C-DFFを検証および検証ワークフローの実用的な意味診断層として位置づけた。

関連論文リスト

• Rethinking Causal Action Tokenization with Conditional Annealing in Flow Matching [63.00892079900331]
  CATokは因果的行動トークンーザであり、因果的構造化された生成過程としてトークン化を再構成する。 我々は,CATok が再現性圧縮トレードオフと推論効率の両方において,既存のトークン化手法を一貫して上回っていることを示す。
  論文  参考訳（メタデータ） (2026-09-28T15:52:55Z)
• Employing Vision-Language Models for Face Image Quality Assessment [0.023141219541346198]
  顔画像品質評価(FIQA)はバイオメトリックパイプラインにおいて重要な制御ステップである。 最先端のFIQA法は高い実用性を達成するが、通常「ブラックボックス」として機能する ゼロショット環境でFIQAを実行することにより,このギャップを埋めるため,市販のビジョンランゲージモデル(VLM)の可能性を検討する。
  論文  参考訳（メタデータ） (2026-05-17T14:57:52Z)
• From Local to Global to Mechanistic: An iERF-Centered Unified Framework for Interpreting Vision Models [29.908678230814015]
  iERF中心のフレームワークを導入し,局所的,グローバル的,メカニスティックな1つの解析ユニットの解釈性を統一する。 局所的に、共有比(Sharing Ratio Decomposition, SRD)は、各PFVを、共有比を介して上流のPFVの混合として表現し、iERFを伝播して、クラス別サリエンシマップを構築する。 グローバルな視点では,iERFをセマンティックラベルとして利用するConcept-Anchored Feature Explanation (CAFE)を導入する。
  論文  参考訳（メタデータ） (2026-05-01T07:25:49Z)
• Quantifying and Bridging the Fidelity Gap: A Decisive-Feature Approach to Comparing Synthetic and Real Imagery [3.2744757482036797]
  決定的特徴忠実度(Decisive Feature Fidelity、DFF)は、メカニズムパリティを捉えるために既存の忠実度スペクトルを拡張する新しいSUT固有の計量である。 シミュレーションの忠実度を高めるためのDFF誘導キャリブレーション手法とともに, 実測に基づく実用的推定手法を提案する。
  論文  参考訳（メタデータ） (2025-12-18T12:39:13Z)
• Incremental Validation of Automated Driving Functions using Generic Volumes in Micro- Operational Design Domains [0.0]
  本稿では,操作設計領域(ODD)を管理可能なセクションに分割し,抽象オブジェクト表現を用いてテストケースを抽出する構造的手法を提案する。 障害物は様々な大きさの一般的な立方体として表現され、知覚性能を評価するためのシンプルで堅牢な手段を提供する。 その結果、障害物検出におけるエッジケースを体系的に探索し、認識品質を評価する方法が示された。
  論文  参考訳（メタデータ） (2025-12-12T07:59:58Z)
• Reliable and Reproducible Demographic Inference for Fairness in Face Analysis [63.46525489354455]
  本稿では、従来のエンドツーエンドトレーニングをモジュラートランスファー学習アプローチで置き換える、完全に再現可能なDAIパイプラインを提案する。 このパイプラインは、正確性、公正性、そしてアイデンティティ内整合性によって定義される、新たに導入された堅牢性の概念の3つの次元にわたって監査する。 以上の結果から,提案手法は特に民族性において,強い基準線を上回り,その特性はより困難であることが示唆された。
  論文  参考訳（メタデータ） (2025-10-23T12:22:02Z)
• TransFIRA: Transfer Learning for Face Image Recognizability Assessment [73.61309363885552]
  TransFIRAは軽量でアノテーションのないフレームワークで、埋め込みスペースで直接認識できる。 顔以外の新しい拡張には、エンコーダで座屈した説明可能性があり、これは、劣化と被写体固有の要因が認識可能性にどのように影響するかを示す。 実験では、顔に対する最先端の結果、身体認識に対する強い堅牢性、およびデータセット間のシフトの下で確認された。
  論文  参考訳（メタデータ） (2025-10-07T18:16:21Z)
• Interpreting CFD Surrogates through Sparse Autoencoders [6.842974489069953]
  本研究では,計算流体力学(CFD)で用いられるグラフベースの代理モデルに対するポストホック解釈可能性フレームワークを導入する。 事前訓練されたサロゲートのノード埋め込み空間における過剰な基底を得ることにより、解釈可能な潜在特徴の辞書を抽出する。 このアプローチは、渦や流れ構造のような物理的現象に整合した単意味概念の同定を可能にする。
  論文  参考訳（メタデータ） (2025-07-21T21:09:45Z)
• PseudoNeg-MAE: Self-Supervised Point Cloud Learning using Conditional Pseudo-Negative Embeddings [55.55445978692678]
  PseudoNeg-MAEは、ポイントクラウドマスマスキングオートエンコーダのグローバルな特徴表現を強化する。 本研究では,ネットワークが識別的表現を保ちながら,よりリッチな変換キューをキャプチャできる新たな損失を提案する。
  論文  参考訳（メタデータ） (2024-09-24T07:57:21Z)
• Cluster-level pseudo-labelling for source-free cross-domain facial expression recognition [94.56304526014875]
  表情認識のためのSFUDA法を提案する。 本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。 提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-11T08:24:50Z)
• Autoencoding Variational Autoencoder [56.05008520271406]
  我々は,この行動が学習表現に与える影響と,自己整合性の概念を導入することでそれを修正する結果について検討する。 自己整合性アプローチで訓練されたエンコーダは、敵攻撃による入力の摂動に対して頑健な(無神経な)表現につながることを示す。
  論文  参考訳（メタデータ） (2020-12-07T14:16:14Z)

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。