动态环境中上下文感知的流式感知
计算机视觉与模式识别
2022-08-17 v1
摘要
高效的视觉工作在延迟预算下最大化准确率。这些工作在离线状态下逐张图像评估准确率。然而，自动驾驶等实时视觉应用运行于流式环境中，其中真值在推理开始与结束之间发生变化。这导致准确率显著下降。因此，近期工作提出在平均意义上最大化流式环境中的准确率。在本文中，我们提出针对每个环境上下文最大化流式准确率。我们认为场景难度影响初始（离线）准确率差异，而场景中障碍物的位移影响后续的准确率退化。我们的方法 Octopus 利用这些场景属性在测试时选择最大化流式准确率的配置。相比传统静态方法，我们的方法将跟踪性能（S-MOTA）提升了 7.4%。此外，使用我们方法带来的性能提升是在离线准确率进展之外取得的，而非取代后者。
引用
@article{arxiv.2208.07479,
title = {Context-Aware Streaming Perception in Dynamic Environments},
author = {Gur-Eyal Sela and Ionel Gog and Justin Wong and Kumar Krishna Agrawal and Xiangxi Mo and Sukrit Kalra and Peter Schafhalter and Eric Leong and Xin Wang and Bharathan Balaji and Joseph Gonzalez and Ion Stoica},
journal= {arXiv preprint arXiv:2208.07479},
year = {2022}
}
备注
26 pages, 10 figures, to be published in ECCV 2022