面向边缘端不确定性感知多模态三维目标检测的互信息校准共形特征融合
计算机视觉与模式识别
2023-09-19 v1 信息论
机器人学
math.IT
摘要
在人工智能赋能机器人技术不断扩展的领域中，预测不确定性的稳健量化至关重要。三维（3D）目标检测作为一项关键的机器人操作，已取得显著进展；然而，当前大多数工作仅关注精度而忽略不确定性量化。针对这一空白，我们的新颖研究将共形推断（CI）原理与信息论度量相结合，在多模态框架内执行轻量级的、无需蒙特卡洛的不确定性估计。通过变分自编码器（VAE）中潜变量的多元高斯乘积，融合来自RGB相机与LiDAR传感器数据的特征以提升预测精度。利用归一化互信息（NMI）作为基于加权损失函数的CI所得不确定性边界的校准调制器。我们的仿真结果表明，在模型训练过程中，固有预测不确定性与NMI呈负相关。该框架在KITTI 3D目标检测基准上表现出与类似非不确定性感知方法相当或更优的性能，使其适用于实时边缘机器人。
引用
@article{arxiv.2309.09593,
title = {Mutual Information-calibrated Conformal Feature Fusion for Uncertainty-Aware Multimodal 3D Object Detection at the Edge},
author = {Alex C. Stutts and Danilo Erricolo and Sathya Ravi and Theja Tulabandhula and Amit Ranjan Trivedi},
journal= {arXiv preprint arXiv:2309.09593},
year = {2023}
}