Strategies Towards Reliable Scene Understanding for Autonomous Driving

Gasperini, Stefano

Stefano Gasperini

Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link

Originaltitel:: Strategies Towards Reliable Scene Understanding for Autonomous Driving
Übersetzter Titel:: Strategien für ein zuverlässiges Szenenverständnis für autonomes Fahren
Autor:: Gasperini, Stefano
Jahr:: 2025
Dokumenttyp:: Dissertation
Fakultät/School:: TUM School of Computation, Information and Technology
Institution:: Informatik 16 - Lehrstuhl für Anwendungen in der Medizin (Prof. Navab)
Betreuer:: Tombari, Federico (Priv.-Doz. Dr.)
Gutachter:: Tombari, Federico (Priv.-Doz. Dr.); Cremers, Daniel (Prof. Dr.); Leibe, Bastian (Prof. Dr.)
Sprache:: en
Fachgebiet:: DAT Datenverarbeitung, Informatik; VER Technik der Verkehrsmittel
Stichworte:: Autonomous Driving; Computer Vision; Scene Understanding; Reliable AI
Übersetzte Stichworte:: Autonomes Fahren; Computer Vision; Szenenverständnis; Zuverlässige KI
TU-Systematik:: VER 080
Kurzfassung:: Autonomous driving is poised to revolutionize the transportation sector, with scene understanding as a critical component. This dissertation presents methods for increasing the reliability of state-of-the-art models, by focusing on addressing the issues of unknown scenarios and challenging conditions. Therefore, it marks a decisive step towards the safe deployment of autonomous vehicles in the real world.
Übersetzte Kurzfassung:: Autonomes Fahren ist auf dem besten Weg, den Transportsektor zu revolutionieren, wobei das Szenenverständnis eine entscheidende Komponente darstellt. Diese Dissertation stellt Methoden zur Erhöhung der Zuverlässigkeit moderner Modelle vor, indem sie gezielt auf unbekannte Szenarien und herausfordernde Bedingungen eingeht. Damit wird ein entscheidender Schritt hin zur sicheren Anwendung autonomer Fahrzeuge in der realen Welt gemacht.
WWW:: https://mediatum.ub.tum.de/?id=1730242
Eingereicht am:: 21.12.2023
Mündliche Prüfung:: 24.01.2025
Dateigröße:: 105865936 bytes
Seiten:: 259
Urn (Zitierfähige URL):: https://nbn-resolving.org/urn:nbn:de:bvb:91-diss-20250124-1730242-0-4
Veröffentlicht am:: 24.04.2025
BibTeX