論文の概要: Weather Adaptive Autonomous Driving

• arxiv url: http://arxiv.org/abs/2611.04305v1
• Date: Tue, 03 Nov 2026 04:36:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-11 00:24:10.669282
• Title: Weather Adaptive Autonomous Driving
• Title（参考訳）: 気象適応型自律運転
• Abstract要約: 我々はまず、コンフォメーションリスク制御(CRC)により信頼閾値を校正するコンフォメーションオブジェクト検出器SeqCRCを再生する。 YOLOv8xでは、1つのグローバルしきい値が霧の中で失敗するDAWNの天気予報室の20%の予算内に保持される。 1つの設定$$は、予想されるコスト-最適決定ルールを選択します。
• 参考スコア（独自算出の注目度）: 41.99844472131922
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Camera object detectors lose recall in rain, fog, snow and sand, and the confidence threshold at which a detector is deployed decides how many objects it misses and how many false alarms it raises. We study how a frozen detector should make this decision in adverse weather. We first reproduce SeqCRC, a conformal object detector whose first step calibrates the confidence threshold by conformal risk control (CRC), and use that step, calibrated separately in each weather condition, as our baseline. With YOLOv8x it keeps the held-out miss fraction within a 20% budget in every DAWN weather bin, where a single global threshold fails in fog, but the false alarms it needs are an output rather than a choice: from 1.6 to 117 per image across DAWN and BDD100K conditions. We then propose a calibrated trade-off dial. One setting, $λ$, the number of false alarms accepted to avoid one missed object, selects the expected-cost-optimal decision rule: either one score threshold, or a per-detection rule that keeps a box when its calibrated probability of being a real object, estimated by gradient-boosted trees from the detector's own per-box outputs, is at least $1/(1+λ)$. F-score preferences map onto the same dial, and CRC applied to $λ$ itself is planned to restore a per-condition miss guarantee. The dial is fitted once on BDD100K train and graded only on BDD100K val and DAWN.
• Abstract（参考訳）: カメラオブジェクト検出器は、雨、霧、雪、砂のリコールをなくし、検知器が配置される信頼しきい値が、見逃したオブジェクトの数と、それが引き起こした誤報の数を決定する。 我々は、凍った検出器が悪天候下でどのようにこの決定を下すかを研究する。 まず,コンフォメーションリスク制御(CRC)により信頼閾値を校正するコンフォメーションオブジェクト検出器SeqCRCを,そのステップを用いて,気象条件ごとに個別に校正する。 YOLOv8xでは、DAWNの気象ビンごとに20%の予算でミス率を保ち、霧の中で1つのグローバルしきい値が失敗するが、誤ったアラームは選択ではなく出力である:DAWNとBDD100Kの条件で1枚当たり1.6～117枚まで。 次に、キャリブレーションされたトレードオフダイヤルを提案する。 1つのスコアしきい値(英: one score threshold)または1点当たりの判定規則(英: per-detection rule)は、検知器の1点当たりの出力から、勾配木から推定される、実際のオブジェクトのキャリブレーションされた確率が1/(1+λ)$であるときにボックスを保持するものである。 Fスコアの選好は同一ダイヤルにマップされ、λ$自体に適用されたCRCは条件ごとのミス保証を復元する予定である。 ダイヤルはBDD100K列車に一度取り付けられ、BDD100K valとDAWNのみに格付けされている。

関連論文リスト

• The Blind Spot Paradox: When Adaptive Classifiers Defeat Drift Detectors [5.512295869673147]
  アダプティブ・ランダム・フォレスト (ARF) を計測すると、生き残った木々は、葉の更新だけで、乾燥後のエラーの98.6%を吸収している。 累積的な証拠がしきい値を超えず、臨界等級階を測る有限水平境界を導出する。 この失敗は、定常ストリームのずれや、ノイズの多いベースライン上の内部ツリースワップによって引き起こされる偽アラームの洪水によって現れる。
  論文  参考訳（メタデータ） (2026-10-05T06:14:17Z)
• From Routing Signals to Selective Review: Visual regrounding in MoE VLMs [48.07726955428853]
  視覚言語モデル(VLM)は偽の視覚的前提を受け入れ、対象の物体の色、数、位置、状態について疑問に答える。 本稿では,Mixture-of-Experts (MoE)VLMにおける内部ルーティング決定を活用するための最初のフレームワークを提案する。 提案手法は,MoE VLMによってすでに作成されており,低コストな検出と選択的な視覚的リグラウンドを支援することができる。
  論文  参考訳（メタデータ） (2026-09-29T17:49:07Z)
• Laya as a Typed Probabilistic Assessor: An Independent Reproduction and a Preregistered Study of Calibration and Selective Escalation [0.010480658740597679]
  カードはリスクを過信とみなし、測定された方向は逆であり、その方向は、自信に満ちたカスケードのどちらが失敗するかを決定する。 1つの不整合温度は、誤校正の大部分を取り除き、出荷されたオプション単位のテーブルを上回っている。 E1の再現は解析凍結に先行し、E2-E8は前向きに事前登録され、22の検査のうち20の検査はBenjamini-Hochberg FDRの下で$q5$(2 descoped)で拒絶された。
  論文  参考訳（メタデータ） (2026-09-27T18:53:26Z)
• The Price of Peeking: Anytime-Valid Leakage Detection on ML-KEM EM Traces [45.88028371034407]
  本研究は, ベットによる検査に基づく漏洩検出について検討する。 13000～20000のサンプルに対して繰り返し表示される$|t|>4.5$は2.7-12.9%の複製で誤報を発生させた。
  論文  参考訳（メタデータ） (2026-09-27T14:14:10Z)
• Albireo: Adaptive, Energy-Efficient Inference Framework for Video Object Detection on the Edge [35.270814297601184]
  アルビレオ(Albireo)は、シェルフ検出器を包む検出器に依存しない適応型推論フレームワークである。 Albireoは、シーンの内容とオブジェクトごとの時間状態に基づいて、検出呼び出しを安全にスキップできるかどうかを判断する。 軽量の空のスクリーンは、オブジェクトレスフレーム上の検出器呼び出しを避ける。
  論文  参考訳（メタデータ） (2026-08-29T12:42:45Z)
• Clean-Reference Streaming Detection of Lens Occlusion and Photometric Transitions for Camera Tamper Monitoring [7.172756746172751]
  本稿では,低コストなセンサフォア署名のためのストリーミング整合性モニタについて検討する。 我々は、決定述語を形式化し、迅速明度抑制がシーン遷移経路を到達不能にする際の一貫性ルールを導出する。 この方法は、ユニバーサルカメラ・タンパー・タンパーではなく、監査可能なセンサ・ヘルス・サブシステムとして最もよく解釈される。
  論文  参考訳（メタデータ） (2026-07-16T09:45:19Z)
• Robust Conformal Prediction with a Single Binary Certificate [58.450154976190795]
  コンフォーマル予測(CP)は、任意のモデルの出力を、真のラベルを(調整可能な)高い確率でカバーすることを保証した予測セットに変換する。 我々は,MCサンプルが著しく低い場合でも,より小さな集合を生成する頑健な共形予測を提案する。
  論文  参考訳（メタデータ） (2025-03-07T08:41:53Z)
• Will My Robot Achieve My Goals? Predicting the Probability that an MDP Policy Reaches a User-Specified Behavior Target [56.99669411766284]
  自律的なシステムがタスクを実行する場合、ユーザの目標を達成する確率のキャリブレーションされた見積もりを維持する必要がある。 本稿では,ユーザの目標が目標間隔として指定される設定について検討する。 我々は、共形予測を反転させて確率推定を計算する。
  論文  参考訳（メタデータ） (2022-11-29T18:41:20Z)

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。