「流感知精確度」—平衡反應時間和準確度的法寶

據美國「優睿科」新聞網9月8日報導，在8月的計算機視覺虛擬會議上，一項新研究受到廣泛關注。

卡內基梅隆大學（CMU）的研究人員開發了一種新的測量標準，用於評估自動駕駛汽車對不斷變化的路況和交通狀況的反應能力，這項發現能夠幫助我們比較感知系統的準確性和反應時間。

CMU機器人研究所博士生Mengtian Li說：「學術研究人員傾向於開發複雜的算法，這些算法能夠準確識別危險，但可能需要大量的計算時間。相比之下，技術工程師傾向於選擇簡單但精度較低的算法，這些算法速度快、計算量少，因此車輛能夠更快地對危險做出反應。」

這種權衡不僅對自動駕駛汽車來說是個問題，對於任何需要實時感知外界動態的系統（如自主無人機和增強現實系統）來說都是一個問題。然而到目前為止，還沒有用以平衡準確度和延遲時間（具體指事件發生與感知系統識別事件之間的時間差）的系統測量標準，這導致不同系統之間的優劣很難比較。

這項被稱為「流感知精確度」的新度量標準由Li和機器人研究所副教授Deva Ramanan和伊利諾伊大學香檳分校助理教授Yu Xiong Wang共同開發。它通過比較感知系統每一時刻的輸出與地面實況進行衡量。

Ramanan說：「流感知測量能力為現有感知系統提供了新視角。同一系統，按照傳統性能度量標準測算性能良好，但在「流感知」標準的測算下可能性能不佳。這類系統可以通過新引入的度量標準得到優化，提高反應性能。」

研究小組發現，最佳解決方案不一定是讓感知系統運行得更快，而是偶爾適時地暫停。跳過某些幀的處理可以防止系統不斷落後於實況。」

另一個觀點是在感知運算過程中加入預測方法，使車輛可以預測其他車輛和行人部分行動。該團隊的流感知測量表明，進行這些預測所需的額外計算不會顯著影響準確性或造成延遲。

科界原創

編譯：小貝

審稿：西莫

責編：陳之涵

來源：計算機視覺歐洲會議

原文連結：https://www.eurekalert.org/pub_releases/2020-09/cmu-npm090820.php

版權聲明：本文由科界平臺原創編譯，中文內容僅供參考，一切內容以英文原版為準。轉載請註明來源科技工作者之家—科界App。