Learning-Based Error Detection System for Advanced Vehicle Instrument Cluster Rendering

要約

自動車業界は現在、新モデルが市場に投入されるたびにデジタル ディスプレイのオプションを拡大しています。
これには、寸法、解像度、カスタマイズの選択肢が拡張されるだけでなく、ディスプレイ クラスターのコンテンツを組み立てる際にオーバーレイなどの新しい表示効果を採用する機能も必要になります。
残念ながら、このため、レンダリング エラーを検出し、必要に応じて適切な対策を適用できる適切な監視システムの必要性が生じます。
巡回冗長検査 (CRC) などの従来のソリューションは、あらゆる種類のアルファ ブレンディングやコンテンツのスケーリングの歪みによって望ましくない CRC 違反が発生する可能性があるため、まもなく実行できなくなります。
したがって、例として証拠（警告標識など）を使用して、表示されたコンテンツの正確さを検証するための新しい監視アプローチを提案します。
これは、学習ベースのアプローチを使用して、「良好な」通知、つまり人間のドライバーが正しく理解できる通知と、「破損した」通知、つまり正しく表示または認識されない通知を分離します。
その結果、個々のピクセル エラーに対する固有の回復力を備え、背景、オーバーレイ、またはスケーリング効果の変更を暗黙的にサポートします。
このことは、すべての「破損した」テスト パターンが正しく分類され、誤ったアラームがトリガーされなかったという実験研究によって強調されています。

要約(オリジナル)

The automotive industry is currently expanding digital display options with every new model that comes onto the market. This entails not just an expansion in dimensions, resolution, and customization choices, but also the capability to employ novel display effects like overlays while assembling the content of the display cluster. Unfortunately, this raises the need for appropriate monitoring systems that can detect rendering errors and apply appropriate countermeasures when required. Classical solutions such as Cyclic Redundancy Checks (CRC) will soon be no longer viable as any sort of alpha blending, warping of scaling of content can cause unwanted CRC violations. Therefore, we propose a novel monitoring approach to verify correctness of displayed content using telltales (e.g. warning signs) as example. It uses a learning-based approach to separate ‘good’ telltales, i.e. those that a human driver will understand correctly, and ‘corrupted’ telltales, i.e. those that will not be visible or perceived correctly. As a result, it possesses inherent resilience against individual pixel errors and implicitly supports changing backgrounds, overlay or scaling effects. This is underlined by our experimental study where all ‘corrupted’ test patterns were correctly classified, while no false alarms were triggered.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google