RiskProp：衝突アンカー付き自己教師ありリスク伝播による早期事故予測

Abstract

事故の予兆（anticipation）では、ドライブレコーダの映像から差し迫った衝突を予測し、早期の警告を発報することを目指します。既存手法は、人手でアノテーションされた「異常発生（anomaly onset）」フレームに基づく二値の教師あり学習に依存していますが、これは主観的で一貫性に欠け、その結果としてリスク推定が不正確になります。これに対して本研究では、早期事故予兆のための、衝突にアンカーした新しい自己教師ありリスク伝播パラダイムであるRiskPropを提案します。これにより、異常発生アノテーションの必要性を取り除き、信頼性の高い衝突フレームのみを活用します。RiskPropは、2つの観測に基づく損失によって時間的なリスクの推移をモデル化します。第一に、将来フレームには差し迫った事故を示すより確かな証拠が含まれるため、次フレーム予測をソフトターゲットとして用いる将来フレーム正則化損失を導入し、これによりリスク信号の逆伝播を可能にします。第二に、事故の直前にリスクが上昇していくという経験的傾向に着想し、時間とともに非減少の進行を促す適応的な単調性制約を設計します。CAPおよびNexarでの実験により、RiskPropが最先端の性能を達成し、より滑らかで識別力の高いリスク曲線を生成することが示されます。これにより、早期の予兆と解釈可能性の両方が向上します。