Artifacts for the paper "Concretization of Abstract Traffic Scene Specifications Using Multi-objective Optimization"
Notice bibliographique
Résumé
This deposit contains measurement data and additional artifacts pertaining to the "Concretization of Abstract Traffic Scene Specifications Using Multi-objective Optimization" paper. Specifically, the artifacts are divided into 5 directories: <em>0-config/ </em>contains configuration files use to generate input scene specifications (using Scenic) with various number of actors. <em>1-data/</em> contains the generated input scene specifications for each map and actor size. It also contains additional scene specifications used for RQ2 (in the `zalaFullcrop/` subfolder). <em>2-results/</em> contains measurement results (i.e. (1) visualizations of generated scenes and (2) corresponding scene specifications containing exact positions of each vehicle, as well as (3) measurement data) for each research question. <em>3-figures/</em> contains figures derived from the contents of `results/` (including additional figures not included in the publication). <em>4-TestingSemanticSegmentation/</em> contains artifacts related to the integration of the CARLA simulator and of three computer-vision components: <em> 0-sceneConfig/</em> contains configuration files used to generate scenes. <em>1-scenesWithExactCoordinates/ </em>contains (1) visualizations of generated scenes and (2) corresponding Scenic-compatible scene specifications containing exact positions of each vehicle. <em> 2-staticImages/</em> contains dashcam images for generated scenes and corresponding ground truth semantic segmentation, obtained through the CARLA integration. <em>3-predictions/</em> contains predicted semantic segmentation results (and their overlay on top of the corresponding dashcam image) obtained using three computer-vision components. <em>4-videos/</em> contains videos of generated scenes running with the default AV stack included in CARLA. <em>5-metrics</em> contains initial measurement data for the predicted semantic segmentation. All the code of the proposed MOO-based scene concretization approach is implemented as an extension to the Scenic tool, which is available under the 3-Clause BSD License.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,144 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».