The Machine Vision Iceberg Explained: Advancing Dynamic Testing by Considering Holistic Environmental Circumstances

要約

現在のマシンビジョンのテストは氷山に向かっているのか？この研究では、高度自動運転（HAD）システムで大きく必要とされるマシンビジョン（MV）テストの状況を掘り下げる。氷山に向かって進むという比喩的な概念を用いて、現在のテスト戦略に隠された潜在的な欠点について議論する。我々は、開発プロセスにおけるMVの不透明な機能に対処する方法について、より深い理解が急務であることを強調する。見過ごされた考慮事項が命取りになりかねないからである。我々の主な貢献は、「グラニュラリティ・グレード」と呼ぶ階層的なレベルモデルである。このモデルは、MVが動作することを意図している環境の状況について、マルチスケールな理解の深さを精緻に探索することを促すものである。このモデルは、オブジェクト属性のような個々のエンティティの関係から環境シーン全体に至るまで、MVの機能に影響を与える可能性のあるすべてのエンティティの全体的な概観を提供することを目的としている。我々のモデルを適用することで、特定のドメイン内のエンティティ、それらの関係、およびエンティティ関係グラフを構築するためのMV-under-testの結果の割り当てを構造的に探索することができる。グラフ内の関係パターンをクラスタリングすることにより、一般的なMVの欠陥が論証可能である。要約すると、我々の研究は、HADの動作領域における全体的な状況と相関するMVテスト対象の欠損を、よりニュアンスがあり体系化された形で特定することに貢献する。

要約(オリジナル)

Are we heading for an iceberg with the current testing of machine vision? This work delves into the landscape of Machine Vision (MV) testing, which is heavily required in Highly Automated Driving (HAD) systems. Utilizing the metaphorical notion of navigating towards an iceberg, we discuss the potential shortcomings concealed within current testing strategies. We emphasize the urgent need for a deeper understanding of how to deal with the opaque functions of MV in development processes. As overlooked considerations can cost lives. Our main contribution is the hierarchical level model, which we call Granularity Grades. The model encourages a refined exploration of the multi-scaled depths of understanding about the circumstances of environments in which MV is intended to operate. This model aims to provide a holistic overview of all entities that may impact MV functions, ranging from relations of individual entities like object attributes to entire environmental scenes. The application of our model delivers a structured exploration of entities in a specific domain, their relationships and assigning results of a MV-under-test to construct an entity-relationship graph. Through clustering patterns of relations in the graph general MV deficits are arguable. In Summary, our work contributes to a more nuanced and systematized identification of deficits of a MV test object in correlation to holistic circumstances in HAD operating domains.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL