RiskProp：基于碰撞锚定的自监督风险传播用于早期意外预警
计算机视觉与模式识别
2026-03-31 v1
摘要
意外预警旨在从 Dashcam 视频中预测即将发生的碰撞，并触发早期警报。现有方法依赖二进制监督，使用手动标注的"异常起始"帧，这些帧主观且不一致，导致风险估计不准确。相反，我们提出了 RiskProp，这是一种基于碰撞锚定的自监督风险传播范式，用于早期意外预警，消除了对异常起始标注的需求，仅利用可靠标注的碰撞帧。RiskProp 通过两种观察驱动的损失函数建模风险随时间的演变：首先，由于未来的帧包含更明确的即将发生事故的证据，我们引入未来帧正则化损失，将模型对下一帧的预测作为软目标来监督当前帧，实现风险信号的反向传播；其次，借鉴事前风险上升的经验趋势，我们设计了一个自适应的单调约束，以鼓励时间上的非递减进展。在 CAP 和 Nexar 数据集上进行的实验表明，RiskProp 实现了最先进的性能，并产生更平滑、更具辨识力的风险曲线，提高了早期预警和可解释性。
引用
@article{arxiv.2603.27165,
title = {RiskProp: Collision-Anchored Self-Supervised Risk Propagation for Early Accident Anticipation},
author = {Yiyang Zou and Tianhao Zhao and Peilun Xiao and Hongyu Jin and Longyu Qi and Yuxuan Li and Liyin Liang and Yifeng Qian and Chunbo Lai and Yutian Lin and Zhihui Li and Yu Wu},
journal= {arXiv preprint arXiv:2603.27165},
year = {2026}
}
备注
Accepted by CVPR 2026