Mar, 2024

Calib3D: 可靠的 3D 场景理解模型偏好校准

PDF
TL;DR对现有的三维场景理解模型进行不确定性估计并评估其可靠性，发现在安全敏感的环境中，虽然现有模型在准确性方面表现出色，但却经常无法提供可靠的不确定性估计，这严重影响了它们的适用性。通过分析网络容量、LiDAR 表示、光栅化分辨率和三维数据增强技术等关键因素，将这些方面直接与模型的校准效果相关联，并引入了一种新的深度感知缩放方法来增强三维模型的校准。在各种配置下进行的大量实验证实了我们方法的优越性。希望这项工作能够成为可靠的三维场景理解的基石。提供了代码和基准工具包。
3d scene understandinguncertainty estimationreliabilitymodel calibrationsafety-sensitive contexts
发现论文，激发创造
  • 自动驾驶概率物体检测器的校准 —— 我们能信任你吗？

    本文提出三种实用方法，旨在显著减少激光雷达 3D 物体检测网络中不确定性的估计误差，以达到更加准确的不确定性校准，从而最大程度地提高安全性。

    Sep, 2019

  • 目标定位任务中的不确定性校准

    应用于自动驾驶和手术机器人等许多安全关键应用中，从对象检测模块获取预测不确定性以帮助支持安全决策是可取的。本文中我们介绍了一种方法用于解决单个对象定位任务的边界框的不确定性问题。我们使用现有技术来校准回归模型，实验表明所得出的校准模型得到了更可靠的不确定性估计。

    Nov, 2018

  • 评估目标检测中的不确定性校准的理论和实践框架

    本研究提出了一个理论和实践框架，用于评估不确定性校准的对象检测系统，通过一系列的实验表明了所提出的不确定性校准度量的稳健性。

    Sep, 2023

  • 通过准确度与不确定性优化来改善模型校准

    优化深度神经网络中的不确定性估计是安全关键应用中的一个重要问题。本文提出了利用准确度与不确定性之间的关系进行优化的方法，通过可微的 loss 函数来实现模型的不确定性校准，结果显示比现有的方法在大规模图像分类任务中表现的更好

    Dec, 2020

  • 深度学习中的校正：现有技术综述

    深度神经模型校准在构建可靠的安全关键应用的人工智能系统中起着重要作用。本文回顾了最新的校准方法，并对它们进行了原理解析。

    Aug, 2023

  • 基于图像控制的自主安全概率的校准预测

    通过基于生成世界模型的可配置学习流水线，在不需要低维状态的情况下解决了在线安全预测问题，并提供了统计校准的安全机会预测保证。通过对图像控制系统的两个案例研究（赛车和平衡杆）进行广泛评估。

    Aug, 2023

  • 回归任务中的不确定性预测评估和校准

    本文提出了一种新的针对回归任务中不确定性预测校准的方法和评估方法，并通过对合成问题和对 COCO 和 KITTI 数据集的物体检测边界框回归任务的实验验证，展示出基于直方图的聚类方法和基于缩放的校准方法的效果相当好。

    May, 2019

  • 面向安全自主驾驶：捕获深度神经网络中激光雷达三维车辆检测的不确定性

    为了保证自动驾驶汽车在公共道路上行驶安全，本文提出了一种基于 Lidar 点云的三维汽车探测器的概率检测方法，可以可靠地表示分类和定位任务中的外在和内在不确定性，并通过建模内在不确定性来提高检测精度 1％- 5％。

    Apr, 2018

  • 医疗 AI 校准：朝着可靠且可解释的深度预测模型

    本篇论文提出了一种基于置信度校准的学习方法，能够同时满足模型可靠性和可解释性，通过皮肤镜图像的病变分类问题验证了该方法的有效性，同时还提出了一种全面评估模型可靠性的机制 - Reliability Plots。

    Apr, 2020

  • 校准解释：语义解析中的置信度估计

    研究了三种模型族的六种语义分析模型在两个英文语义分析数据集上的校准特征。基于三个模型的置信分数，提出并发布了两个数据集的新挑战分割。通过模拟注释器交互实验，证明了使用模型置信度可以帮助平衡专注任务的语义分析模型在可用性和安全性之间的权衡。提出了一个平衡了可用性和安全性的 DidYouMean 系统，并呼吁将校准包括在语义分析系统的评估中，并发布了一个计算校准度量的库。

    Nov, 2022