見えないものから学ぶ：幾何学的・意味論的な事故予測のための生成的データ拡張
arXiv cs.CV / 2026/5/4
📰 ニュースSignals & Early TrendsModels & Research
要点
- この論文は、自動運転における事故予測を扱い、道路利用者同士の相互作用をモデル化する難しさと、大規模で多様なデータセット不足が課題であると述べています。
- 提案手法は二経路の枠組みで、既存データから学習した統計分布に整合する、構造化プロンプトに導かれた動画合成により現実的な合成シーンを生成します。
- さらに、参加者間の空間的・意味論的関係を動的に推論できるように、意味手がかりを強化したグラフニューラルネットワークを提案します。
- 著者らは、地域・天候・交通条件の幅広いバリエーションをカバーし、標準化された精密アノテーション付き動画シーケンスからなる新しいベンチマークデータセットを公開します。
- 既存データセットと新ベンチマークの評価では、精度と予測のリードタイムの双方で改善が示され、データボトルネックの緩和と自動運転の信頼性向上が示唆されます。
