VWU.AI · 公開日

車内行動の時間ラベル:境界を定義する

日本語版:2026年11月9日。原文の公開日と出典は本文に記載しています。

車内行動の時間ラベル:境界を定義する — 可視の行動 → 不明区間 → 境界を確認
独自の概念図です。実測データではありません。各工程の証拠を確認してからデータを拡張します。

有用な車内行動ラベルには、再現できる開始・終了規則と、カメラで判断できない瞬間の方針が必要です。「電話使用」でも、手を伸ばした時点と指が画面に触れた時点では区間が異なります。DMS・OMSでは一括検収前にこの違いを解決します。

本ガイドは、購入者とラベル責任者向けの境界手順案です。案件設計の補助であり、業界標準や納品済みデータの主張ではありません。範囲とカバレッジは、 ドライバー監視データの概要としてご相談ください。

要点 - 観察可能な動作と、注意散漫など推定される状態を分ける。 - 不明・遮蔽時間を記録し、黙って正例・負例に変えない。 - 合意した検収規則を適用する前に、開始誤差、終了誤差、時間重なりを併せて確認する。

時刻より先に動作を定義する

複数の人が同じフレームに適用できる可視基準で動作を記述します。例えば「電話操作」は、手の接触と操作が見えた時点から、それが見えなくなる時点までと定義できます。持つだけでも該当するかを指定します。これはラベル案で、注意状態の検証済み指標ではありません。

見える電話操作を認知的注意散漫へ自動置換しないでください。人物ID、動作クラス、可視性を分けます。ドライバーと乗員が同時に似た動きをしても、対象人物は片方かもしれません。

各動作に正例、似た負例、議論のある境界例を用意し、該当理由を説明します。物体が不明なら、操作部へ伸ばす手だけで電話ルールを満たすとは限りません。意図を推測させず、不確実性を残します。

時計と区間規約を固定する

作業前に時間基準を1つ合意します。元映像か切り出し動画か、オフセット、再サンプリングの有無を記録し、復号フレームと時刻の対応を残します。フレーム番号だけでは、番号規約と時間情報が足りません。

この手順案では半開区間を使います: [start, end) は開始を含み終了を含みません。隣接区間が同じ瞬間を二重に持たずにつながります。これは保存上のローカル規約であり、ツールやベンチマークの出力は異なる場合があります。

メディアが支える精度で秒を保存します。小数桁を増やしてフレーム未満の確実性を作らないでください。可変間隔の映像では、公称フレームレートを全フレームに仮定せず、時刻を使います。

規模を広げる前に、出力1例を元ビューワーと照合します。人物、最初に含める証拠、最初に除く瞬間、元映像へのオフセットを確認します。後の変換でラベルが黙って移らないよう、メディア版と出力版を残します。

遮蔽・中断・動画端での切断を分ける

見えなくなっただけでは終了も継続も証明できません。 CVATのオブジェクトサイドバー資料 は物体のOccluded属性を説明しています。これは可視性であり、動作の継続時間そのものを決めません。資料は2026年10月31日に確認しました。

動作方針を明示します。保守的な方法は、見える区間を付け、不明区間を別に残し、許可される場合にイベントIDで前後を結びます。その結び付きが継続仮説か確認済み同一性かも指定し、学習対象の空白を黙って埋めないようにします。

次の事例は理由を分けて記録します:

事例 記録案 確認する問い
手・物体が隠れる 可視性理由を伴う不明区間 承認した別視点に動作の証拠があるか
見える動作が止まり再開する 必要なら関連付けた別区間 定義上、中断後は新イベントか
動作の途中から動画が始まる 左端打ち切りフラグ 本当の開始は利用可能映像の外か
動作が終わる前に動画が終わる 右端打ち切りフラグ 終了を観測したのか、動画端で切っただけか

動画端を、観測した開始・終了として扱わないでください。境界一致の確認では打ち切りイベントを分けるか、指標での扱いを正確に定義します。

車内行動の時間ラベル:境界を定義する — 可視の行動 → 不明区間 → 境界を確認
独自の概念図です。実測データではありません。各工程の証拠を確認してからデータを拡張します。

端点誤差を隠さず時間IoUを使う

時間IoU(tIoU)は2区間の共通時間を、全体の和集合時間で割ります。 ActivityNetの評価関数segment_iouは端点から重なりを計算し、両区間の合計時間から重なりを引いた値で割ります。連続時間の計算に「1フレーム加算」はありません。この更新可能なソースは2026年10月31日に確認しました。

データ結果ではない架空の計算例です。参照区間が [10, 14) 秒、候補区間が [11, 15)秒なら、共通3秒、和集合5秒で、tIoUは 3 / 5 = 0.6です。候補の両端点は1秒遅れています。重なりが許容できそうでも、この事実は重要です。

同じ絶対ずれでも短いイベントと長いイベントでは影響が異なります。別の架空例で、 [10, 12) を [11, 13) へずらすと、共通1秒、和集合3秒でtIoUは約0.33です。いずれも許容差の根拠ではありません。タスクから許容差を選び、代表動画で影響を確認します。

開始・終了の符号付き差と絶対誤差を残します。開始が常に遅い問題と終了が早い問題では、ガイドの修正が異なります。正の区間長を検証し、未対応、重複、打ち切り、不明イベントの集計方法を定めます。

区間対のtIoUは平均適合率ではありません。 ActivityNetの検出評価器 はスコア付き検出、照合、クラス単位の平均適合率を使い、既定の重なりしきい値は0.50〜0.95です。1つの区間対では同じ評価になりません。2026年10月31日に確認した既定値は、DMS・OMSの普遍的な検収基準ではありません。

独立した試行で原因を解決する

相違を議論する前に同じ試行動画を独立にラベル付けします。物体が曖昧な視点、中断、動画端のイベントを含めます。診断的なカバレッジとして選定理由を記し、無作為抽出していないなら全体の推定とは呼びません。

裁定では争点の端点周辺を見ます。クラス定義、人物割り当て、時間変換、可視性不確定、単純な記入ミスに分けます。「電話使用」の意味の不一致は、新しい数値許容差だけでは直りません。

元ラベル、最終判断、理由を保存します。ルール変更の影響を受ける旧動画を特定し、一括データを固定する前に確認します。裁定参照はガイドに従う文書判断であり、曖昧な全フレームに唯一の客観的正解がある証明ではありません。

納品条件に境界の証拠を含める

判断の文脈を保つ小さな出力を求めます。最小構成案は、 recording_id、 clip_id、仮名化した actor_id、 action_class、 start_seconds、 end_seconds、可視性・不確実性、打ち切りフラグ、 event_id (該当する場合)、および guideline_versionです。欠損値と許可状態をデータ辞書に定めます。

検収資料には、映像の時間対応、ガイドと例、試行の相違、裁定記録、出力確認、未解決例を含めます。 動画ラベル品質チェックリスト では一括検収全体の工程を扱います。

各指標の対象イベント、未対応の数え方、動作・可視性別の内訳を事前に合意します。不合格だけでなく合格に見える例も確認します。全体のよい値に、曖昧な1動作や反復する時刻変換ミスが隠れることがあります。

このラベル確認と、評価セットの独立性も分けます。境界が正確でも関連記録の分割間漏洩は防げません。 データ分割の漏洩ガイド で別の検査として扱います。

編集範囲

VWU.AIは本文で引用した一次資料に基づき本解説を公開しています。図、項目、計算例は説明用の提案で、顧客成果、測定したモデル性能、認証能力の主張ではありません。資料は取得後に変わり得ます。発行元は、 VWU.AIについてをご覧ください。技術的な訂正は、 サイトのお問い合わせ窓口としてご相談ください。