kontakt@camo.nrw +49 202 / 439 1164

Paper

SAIAD 2021

[Paper] Towards Black-Box Explainability with Gaussian Discriminant Knowledge Distillation

In this paper, we propose a method for post-hoc explainability of black-box models. The key component of the semantic and quantitative local explanation is a knowledge distillation (KD) process which is used to mimic the […]

Mehr erfahren

[Paper] Bayesian Confidence Calibration for Epistemic Uncertainty Modelling

Modern neural networks have found to be miscalibrated in terms of confidence calibration, i.e., their predicted confidence scores do not reflect the observed accuracy or precision. Recent work has introduced methods for post-hoc confidence calibration […]

Mehr erfahren

[Paper] Synergiepotenziale von Virtual City Twins im Bereich automatisiertes Fahren – Beschleunigung der technischen Entwicklung und Überwindung von Akzeptanzbarrieren

Bei der Entwicklung hin zu einer automatisierten und vernetzten Mobilität wird in der (breiteren) Öffentlichkeit oft der Eindruck vermittelt, als sei die Technik bereits so weit fortgeschritten, dass eine problemlose Umsetzung kurzfristig möglich sei. Aktuell […]

Mehr erfahren

[Paper] “Help, Accident Ahead!”: Using Mixed Reality Environments in Automated Vehicles to Support Occupants After Passive Accident Experiences

Currently, car assistant systems mainly try to prevent accidents. Increasing built-in car technology also extends the potential applications in vehicles. Future cars might have virtual windshields that augment the traffic or individual virtual assistants interacting […]

Mehr erfahren

[Paper] A Wizard of Oz Field Study to Understand Non-Driving-Related Activities, Trust, and Acceptance of Automated Vehicles

Understanding user needs and behavior in automated vehicles (AVs) while traveling is essential for future in-vehicle interface and service design. Since AVs are not yet market-ready, current knowledge about AV use and perception is based […]

Mehr erfahren

[Paper] Multivariate Confidence Calibration for Object Detection

Unbiased confidence estimates of neural networks are crucial especially for safety-critical applications. Many methods have been developed to calibrate biased confidence estimates. Though there is a variety of methods for classification, the field of object […]

Mehr erfahren
Cover Neue Dimensionen der Mobilität

[Paper] User-driven development (UDD): Ansätze und Methoden zur erfolgreichen Umsetzung neuer Mobilitätskonzepte

Ansätze und Methoden zur erfolgreichen Umsetzung neuer Mobilitätskonzepte Autonome Fahrzeuge und Flugtaxis, die per Smartphone bedarfsgerecht angefordert und über eine App abgerechnet werden, Transportdrohnen, die Güter zustellen, etc. – mit solchen Bildern vermitteln die beteiligten […]

Mehr erfahren