RiskProp: Collision-Anchored Self-Supervised Risk Propagation for Early Accident Anticipation¶

会议: CVPR 2026
arXiv: 2603.27165
代码: https://github.com/xingyueye5/RiskProp/
领域: 可解释性
关键词: 事故预测, 自监督风险传播, 时序建模, 单调性约束, 行车记录仪

一句话总结¶

提出 RiskProp，一种以碰撞帧为锚点的自监督风险传播范式，通过未来帧正则化损失和自适应单调约束损失，仅依赖碰撞帧标注即可学习时序连贯的风险演化曲线，在 CAP 和 Nexar 数据集上达到 SOTA。

研究背景与动机¶

领域现状：事故预期（Accident Anticipation）旨在通过行车记录仪视频实时估计风险分数，当分数超过阈值时触发预警。现有方法将该任务建模为二分类监督学习——无事故视频所有帧标为 0，事故视频从"异常起始帧"到碰撞帧标为 1。
现有痛点：二元标签范式存在根本缺陷——它强迫模型将所有碰撞前帧视为等同风险，忽略了风险的渐进演化特性。手动标注"异常起始"帧主观且不一致，不同标注者之间差异大，导致噪声监督信号。
核心矛盾：真实驾驶中风险是连续递增的过程（如驾驶员分心时缓慢上升，行人突然出现时急剧飙升），但二元标签无法表达这种中间状态和场景依赖的风险演化。
本文目标 不依赖手动标注的异常起始帧，仅利用可靠标注的碰撞帧，学习时序连贯且物理合理的风险演化曲线。
切入角度：作者提出两个关键观察——(1) 未来帧包含更明确的碰撞证据，模型对未来帧的预测更准确，可作为当前帧的伪监督；(2) 碰撞前风险总体呈非递减趋势。
核心 idea：以碰撞帧为唯一锚点，通过下一帧预测值作为软标签反向传播风险信号，结合自适应单调约束实现无需人工标注的风险演化建模。

方法详解¶

整体框架¶

输入为行车记录仪视频片段，对于时间步 \(t\)，模型接收连续 \(O\) 帧（实验中 \(O=5\)）\(\mathbf{x}_t = \{x_{t-O+1}, \dots, x_t\}\)，通过 3D CNN 编码器（SlowOnly）提取特征后，经 sigmoid 激活输出风险分数 \(a_t = \sigma(f_\theta(\mathbf{x}_t))\)。训练目标由三个损失组成：BCE 损失（仅在碰撞帧和起始帧施加）、未来帧正则化损失（FFR）和自适应单调约束损失（AMC）。

关键设计¶

未来帧正则化损失 (FFR):
- 功能：将风险信号从碰撞帧反向传播到早期帧
- 核心思路：利用 stop-gradient 操作将下一帧的预测 \(\text{detach}(z_{t+1})\) 作为当前帧 \(z_t\) 的软目标，损失为 \(\mathcal{L}_{\text{reg}} = \sum_{t=1}^{T-1} \|\text{detach}(z_{t+1}) - z_t\|^2\)。通过链式传递 \(z_T \to z_{T-1} \to \cdots\)，碰撞帧的高风险信号逐步回传到早期帧。
- 设计动机：碰撞帧有唯一可靠的 ground-truth 标签 \(y_T=1\)，未来帧总是比当前帧拥有更多碰撞证据，因此其预测可作为可靠的伪监督。这避免了对主观"异常起始"标注的依赖。
自适应单调约束损失 (AMC):
- 功能：鼓励风险分数沿时间轴呈非递减趋势
- 核心思路：对随机采样的帧对 \((i, j)\)（\(j > i\)），施加约束 \(a_j \geq a_i\)，损失为 \(\mathcal{L}_{\text{mono}} = \frac{1}{|\mathcal{D}|} \sum_{(i,j)} \max(0, a_i - a_j + \delta(\Delta t, \bar{c}_{i:j}))\)。自适应容忍边距 \(\delta = \delta_0 \cdot \Delta t \cdot \bar{c}_{i:j}\) 随时间距离和预测置信度调整：时间跨度大时约束更严格，模型置信度高时约束更紧。
- 设计动机：真实事故中危险度总体递增，但允许短期波动。固定边距或硬约束会过度正则化，自适应机制平衡了灵活性和稳定性。
仅碰撞帧标注策略:
- 功能：极简标注方案，减少主观标注依赖
- 核心思路：事故视频中仅碰撞帧标为正（\(y_T=1\)）、起始帧标为负（\(y_0=0\)），中间帧全部由 FFR 生成软标签。非事故视频所有帧标为 0。BCE 损失加权，碰撞帧权重更高以缓解正负样本不平衡。
- 设计动机：碰撞时间戳是客观可靠的，而"异常起始"标注主观且不一致。配合 FFR 和 AMC，仅碰撞帧标注即可达到与密集标注相当的性能。

损失函数 / 训练策略¶

总损失：\(\mathcal{L} = \mathcal{L}_{\text{bce}} + \lambda_1 \cdot \mathcal{L}_{\text{reg}} + \lambda_2 \cdot \mathcal{L}_{\text{mono}}\)，其中 \(\lambda_1=1.5\)，\(\lambda_2=1.1\)。使用 SlowOnly 预训练权重，SGD 优化器，8 卡 A800 训练 50 epochs，batch size 64，初始学习率 0.002，每 20 epochs 衰减至 10%。帧采样策略中 \(d_{\min}=0.1\)，\(d_{\max}=0.9\)，\(\delta_0=0.01\)。视频帧统一 resize 到 224×224，帧率重采样为 10 FPS。

实验关键数据¶

主实验¶

数据集	方法	mAUC0.1	mAUC	mAP	mTTA0.1 (s)
CAP	AdaLEA	0.379	0.807	0.857	1.115
CAP	CRASH	0.401	0.842	0.887	1.085
CAP	RiskProp	0.483	0.853	0.890	1.207
Nexar	CRASH	0.393	0.832	0.846	0.857
Nexar	RiskProp	0.472	0.869	0.870	0.958

在 Nexar 上，RiskProp 在所有指标上均超越第二名 CRASH，mAUC0.1 提升 0.079，mAUC 提升 0.037，mAP 提升 0.024。

消融实验¶

配置	标注策略	mAUC0.1 (CAP)	mAUC0.1 (Nexar)	说明
Baseline (无 FFR/AMC)	Only Collision	0.358	0.298	仅碰撞帧标注，无自监督约束
+FFR	Only Collision	0.474	0.453	加 FFR 后 CAP 提升 0.116
+FFR+AMC	Only Collision	0.483	0.472	完整模型，SOTA
+FFR+AMC	Anomaly Onset	0.484	0.479	使用人工标注起始帧

关键发现¶

FFR 贡献最大：在 Only Collision 设置下，仅加 FFR 即可带来 CAP 上 0.116、Nexar 上 0.155 的 mAUC0.1 提升，证明未来帧正则化有效地传播了风险信号。
仅碰撞帧足矣：完整模型在 Only Collision 下达到 0.483 (CAP) / 0.472 (Nexar)，与密集标注 (Anomaly Onset) 的 0.484 / 0.479 几乎持平，证明无需主观的异常起始标注。
风险曲线更平滑：定性分析显示 RiskProp 在安全期保持低风险估计，仅在真正危险出现时急剧上升，有效抑制了传统方法常见的早期假阳性。

亮点与洞察¶

自监督链式传播机制非常巧妙：通过 stop-gradient 让下一帧预测作为当前帧的目标，这种简单设计实现了从碰撞帧到早期帧的风险信号反向传播，无需额外的 teacher 模型或复杂架构。
"仅碰撞帧"匹配"密集标注"是核心亮点：证明了在好的自监督约束下，极简标注可以达到密集标注的效果，对实际应用意义重大。
自适应单调约束的设计思想可迁移：基于置信度和时间距离的自适应边距机制，可以推广到任何需要时序单调性约束的任务，如疾病进展预测、设备老化监控等。

局限与展望¶

碰撞帧标注仍然是必需的，完全无监督场景无法适用
非事故视频上 FFR 和 AMC 被禁用，意味着模型对安全场景的建模仅依赖 BCE 损失
仅验证了 3D CNN 编码器，未探索 Transformer 或多模态编码器
帧率固定重采样为 10 FPS，可能丢失快速变化场景的关键信息
可以考虑将风险传播扩展为双向（不仅从碰撞帧回传，也从安全期前传约束）

评分¶

新颖性: ⭐⭐⭐⭐ 碰撞锚定+自监督传播的范式新颖，但核心技术（stop-gradient 伪标签、单调约束）分别已有先例
实验充分度: ⭐⭐⭐⭐⭐ 两个数据集、完整消融、三种标注策略对比、风险曲线可视化，非常充分
写作质量: ⭐⭐⭐⭐ 动机推导清晰，方法描述严谨，图表设计直观
价值: ⭐⭐⭐⭐ 减少标注依赖对实际部署有重要意义，风险曲线的可解释性是安全关键系统的加分项