DROID：以驾驶者为中心的风险物体识别
计算机视觉与模式识别
2023-03-01 v3 机器人学
摘要
高风险驾驶情形的识别通常通过碰撞风险估计或事故模式识别来解决。在本工作中，我们从主观风险的角度切入该问题。我们通过预测驾驶者行为变化并识别变化原因，将主观风险评估操作化。为此，我们引入一项称为以驾驶者为中心的风险物体识别（DROID）的新任务，其利用以自我为中心的视频，在仅以驾驶者响应作为监督信号的情况下，识别影响驾驶者行为的物体。我们将该任务表述为因果问题，并受情境意识与因果推断模型启发，提出一种新颖的两阶段 DROID 框架。使用从 Honda Research Institute Driving Dataset（HDD）构建的子集来评估 DROID。我们展示了最先进的 DROID 性能，即使与该数据集上的强基线模型相比亦然。此外，我们进行了广泛的消融研究以论证我们的设计选择。并且，我们展示了 DROID 在风险评估中的适用性。
引用
@article{arxiv.2106.13201,
title = {DROID: Driver-centric Risk Object Identification},
author = {Chengxi Li and Stanley H. Chan and Yi-Ting Chen},
journal= {arXiv preprint arXiv:2106.13201},
year = {2023}
}
备注
Submitted to TPAMI