ロングテールな人間データキュレーションのための品質フィルタ監査

- 建設現場のロボットが作業員の kneel/bend などの low poses を検出する課題を扱う。 - 自動ラベリング pipeline は人物検出、NLF による body joints 推定、類似 pose の grouping から成る。 - 保持例のうち low poses は約 2 percent に過ぎない。 - この低い割合は quality filter が低 confidence や不確実な joint 推定を棄却することに一部起因する可能性がある。

- 従来の long-tail human data curation は bounding box や pose に依存しがち。 - 本研究は quality filter 自体が low poses を選択的に棄却している可能性を監査した点が新しい。 - 4 つの代替 pose clues と制御された simulated scenes を組み合わせ、bounding box や pose だけでは不十分と示す。

- 人物検出、NLF による body joints 推定、類似 pose grouping の pipeline を対象。 - quality filter の影響を bounding-box shape、vertical body span、scene の vertical direction に揃えた pose grouping、image appearance の 4 つの clue で検証。 - 別途、public construction dataset で fine-tune した person detector を simulated scenes で評価。

- 4 つの代替 pose clues すべてが low poses は filter で棄却されやすいことを示唆。 - 制御された simulated scenes で、bounding box height を standing workers に合わせても detector が low poses の作業員を見逃すことを確認。 - これにより low poses の希少性と検出困難性を支持。

- low poses は希少で見つけにくく、bounding box や pose に依存した long-tail human data curation は信頼できない。 - quality filter の設計が long-tail データの偏りを生む可能性がある。 - 具体的な改善策や代替 curation 手法は要旨からは不明。

- NLF (Neural Localization Fields) の原論文。 - public construction dataset を用いた person detection の fine-tuning 研究。 - long-tail human data curation や quality filtering に関する一般的な研究。