エビデンス型ディープラーニングによる不確実性認識歩行者属性認識
arXiv cs.CV / 2026/4/30
📰 ニュースModels & Research
要点
- 本論文では、歩行者属性認識において予測の不確実性を明示的に推定し、低品質な入力や複雑な実環境での頑健性を高める枠組みUAPARを提案している。
- UAPARは、CLIPベースのアーキテクチャにエビデンス型ディープラーニング（EDL）を統合し、領域に応じたエビデンス推論モジュールとクロスアテンション／空間事前マスクにより局所的な細かな特徴を捉え、属性ごとのエピステミック不確実性を推定する。
- 学習時の深刻なラベルノイズが与える悪影響を緩和するために、不確実性に導かれたデュアルステージのカリキュラム学習戦略も導入している。
- PA100K、PETA、RAPv1、RAPv2での実験により、UAPARは競争力のある、あるいはそれを上回る性能を示し、定性的結果からも不確実性推定が難しい／誤ったサンプルと相関することが示されている。
- 本研究は、歩行者属性認識に対するEDLベースの不確実性認識アプローチとして初めてであると主張し、予測の信頼性を評価できない従来の決定論的手法と差別化している。
