突破限制：寻找自动驾驶系统感知测试中相关图像的最佳匹配点
计算机视觉与模式识别
2024-07-15 v2 机器人学
摘要
感知系统，尤其是相机，是自动驾驶系统的眼睛。因此，确保其可靠、稳健地运行是车辆自动化的重要基石。测试自动驾驶系统感知能力的方法多种多样。然而归根结底，都归结为研究感知系统在特定输入数据下的行为。相机图像是输入数据的关键部分。因此，人们会收集图像数据集以用于自动驾驶系统的测试，但在这些数据集中查找特定图像并非易事。得益于神经网络的最新进展，如今已有方法能够根据数据集中图像与自然语言提示的相似度对其进行排序。为了进一步自动化搜索结果的提供，我们通过自动化定义这些排序结果中的阈值，并仅返回与提示相关的图像作为结果，以此做出贡献。我们的重点是同等程度地防止假阳性与假阴性。同样重要的是，我们的方法具有稳健性，并且在假设不成立的情况下，我们会提供后备解决方案。
引用
@article{arxiv.2404.05309,
title = {CLIPping the Limits: Finding the Sweet Spot for Relevant Images in Automated Driving Systems Perception Testing},
author = {Philipp Rigoll and Laurenz Adolph and Lennart Ries and Eric Sax},
journal= {arXiv preprint arXiv:2404.05309},
year = {2024}
}