TrackletMapper: Ground Surface Segmentation and Mapping from Traffic Participant Trajectories
University of Freiburg(弗赖堡大学);University of Technology Nuremberg(纽伦堡工业大学)
对道路和街道交叉口等地面基础设施进行鲁棒分类是移动机器人在行人旁边运行的一项重要任务。虽然许多语义分割数据集可用于自动驾驶车辆,但在这些数据集上训练的模型在部署在行人空间中操作的机器人上时表现出很大的域差距。手动注释从行人视点记录的图像既昂贵又耗时。为了克服这一挑战,我们提出了TrackletMapper,一个框架,用于注释地面类型,如人行道,道路和街道交叉口从对象tracklet,而不需要人类注释的数据。为此,我们将机器人自我轨迹和其他交通参与者的路径投影到自我视图相机图像中,为多种类型的地面创建稀疏语义注释,从而可以训练地面分割模型。我们进一步表明,该模型可以通过聚合地面地图并将其投影到相机图像中来自我蒸馏以获得额外的性能优势,与稀疏tracklet注释相比,可以创建更密集的训练注释集。我们定性和定量地证明了我们的研究结果在一个新的大规模数据集的移动机器人在行人区运行。代码和数据集将在http://trackletmapper.cs.uni-freiburg.de上提供。
2023-01-08 cs.CV cs.RO
Conditional Transfer with Dense Residual Attention: Synthesizing traffic signs from street-view imagery
Delft University of Technology(代尔夫特理工大学);Eindhoven University of Technology(埃因霍温理工大学);Cyclomedia Technology B.V(Cyclomedia科技有限公司)
街景图像中交通标志的目标检测和分类是资产管理、地图制作和自动驾驶的基本要素。然而,一些交通标志很少出现,因此,它们很难自动识别。为了提高检测和分类率,我们提出了生成图像的交通标志,然后使用训练的检测器/分类器。在这项研究中,我们提出了一个端到端的框架,从一个给定的图像的交通标志和象形图的目标类生成一个现实的图像的交通标志。我们提出了一种密集级联的剩余注意力机制,称为密集剩余注意力,在传递对象信息的同时保留背景信息。我们还建议利用多尺度鉴别器,使得输出的较小尺度引导更高分辨率的输出。我们已经进行了大量的交通标志类的检测和分类测试,通过训练检测器使用的组合的真实和生成的数据。在检测测试中,新训练的模型在99%的召回率下将假阳性的数量减少了1.2 - 1.5%,在分类测试中绝对提高了4.65%(前1名的准确率)。
2018-09-05 cs.CV
Structured Bird's-Eye-View Traffic Scene Understanding from Onboard Images
ETH Zurich(苏黎世联邦理工学院);KU Leuven(鲁汶大学)
自主导航需要道路网络的结构化表示和其他交通代理的实例识别。由于交通场景是在地平面上定义的,因此这对应于鸟瞰图(BEV)中的场景理解。然而,自动驾驶汽车的车载摄像头通常水平安装,以便更好地观察周围环境,这使得这项任务非常具有挑战性。在这项工作中,我们研究了从单个车载摄像头图像中提取表示BEV坐标中的局部道路网络的有向图的问题。此外,我们表明,该方法可以扩展到检测动态物体上的BEV平面。检测到的对象的语义、位置和方向与道路图一起促进对场景的全面理解。这种理解对于下游任务(如路径规划和导航)来说至关重要。我们根据强大的基线验证了我们的方法,并表明我们的网络实现了卓越的性能。我们还通过消融研究证明了各种设计选择的效果。代码:https://github.com/ybarancan/STSU
2021-10-05 cs.CV
MC-BEVRO: Multi-Camera Bird Eye View Road Occupancy Detection for Traffic Monitoring
School of Computing and Augmented Intelligence, Arizona State University(亚利桑那州立大学计算与增强智能学院);Department of Computer Science and Physics, Rider University(莱德大学计算机科学与物理系)
提出MC-BEVRO多摄像头鸟瞰图道路占用检测框架,结合CARLA合成数据、早/晚期融合与背景整合,并通过零样本和少样本微调验证仿真到真实的泛化能力。
2025-02-16 cs.CV
SignEye: Traffic Sign Interpretation from Vehicle First-Person View
HKPU(香港理工大学);NWPU(西北工业大学);HKUST(香港科技大学);TeleAI(腾讯天衍实验室);HKU(香港大学)
提出基于车辆第一视角的交通标志解释(TSI-FPV)任务及交通引导助手(TGA)应用,构建分步推理流水线SignEye与数据集Traffic-CN,实验证明其能有效为自动驾驶系统提供补充信息。
2024-11-18 cs.CV
Automated Construction of Time-Space Diagrams for Traffic Analysis Using Street-View Video Sequence
KTH Royal Institute of Technology(瑞典皇家理工学院)
针对传统时空图数据收集的时空覆盖局限,提出基于移动车辆街景视频序列的构建方法,结合YOLOv5、StrongSORT和摄影测量技术生成车辆轨迹及时空图,经KITTI数据集验证有效,为交通分析提供新工具。
2024-03-27 cs.CV
Mono-SF: Multi-View Geometry Meets Single-View Depth for Monocular Scene Flow Estimation of Dynamic Traffic Scenes
Robert Bosch GmbH(罗伯特·博世有限公司);Goethe University Frankfurt(法兰克福歌德大学);NTNU Trondheim(特隆赫姆挪威科技大学)
现有的3D场景流估计方法提供了场景的3D几何形状和3D运动,并且例如在自动驾驶的背景下获得了很多关注。这些方法传统上是基于立体图像的时间序列。在本文中,我们提出了一种新的单目三维场景流估计方法,称为单SF。Mono-SF通过结合多视图几何和单视图深度信息来联合估计场景的3D结构和运动。Mono-SF基于多视点几何的原理,在连续图像中扭曲参考图像方面,认为场景流应该是一致的。为了以统计方式整合单视图深度,提出了称为ProbDepthNet的卷积神经网络。ProbDepthNet根据单个图像而不是单个深度值来估计像素深度分布。此外,作为ProbDepthNet的一部分,提出了一种新的回归问题重新校准技术,以确保良好校准的分布。我们的实验表明,Mono-SF优于最先进的单眼基线,消融研究支持Mono-SF方法和ProbDepthNet设计。
2019-08-17 cs.CV
Street-View Image Generation from a Bird's-Eye View Layout
University of California, Los Angeles(加利福尼亚大学洛杉矶分校)
本文提出条件生成模型BEVGen,通过结合空间注意力设计的跨视图变换,合成与鸟瞰图交通布局相匹配的逼真且空间一致的环视街景图像,助力自动驾驶仿真与感知模型开发。
2024-02-13 cs.CV
A novel method for predicting and mapping the presence of sun glare using Google Street View
Massachusetts Institute of Technology(麻省理工学院)
太阳眩光是造成交通事故的主要环境危害之一。每年都有许多人在与太阳眩光有关的交通事故中死亡或受伤。提供准确的太阳眩光发生时间和地点的信息,将有助于预防太阳眩光引起的交通事故,挽救生命。在这项研究中,我们提出使用公开访问的谷歌街景(GSV)全景图像来估计和预测太阳眩光的发生。GSV图像具有与驾驶员相似的视野,这使得GSV图像适合于估计太阳眩光对驾驶员的可见度。利用最近发展起来的卷积神经网络算法对GSV图像进行分割,并对太阳眩光下的障碍物进行预测。基于给定位置的预测障碍物,我们通过估计这些位置的太阳位置和驾驶员与太阳之间的相对角度来进一步估计太阳眩光的时间窗口。我们在美国马萨诸塞州剑桥市进行了一项案例研究。结果表明,该方法可以准确地预测太阳眩光的存在。该方法可为驾驶员和交通规划者提供一种有效的缓解太阳眩光的方法,减少由太阳眩光引起的交通事故。
2018-08-05 cs.CV
ExAgt: Expert-guided Augmentation for Representation Learning of Traffic Scenarios
CARISSMA Institute of Automated Driving, Technische Hochschule Ingolstadt(因戈尔施塔特应用技术大学CARISSMA自动驾驶研究所);Technical University of Munich(慕尼黑工业大学);Royal Melbourne Institute of Technology(皇家墨尔本理工大学)
近年来,表示学习已经被自监督学习方法所解决。将输入数据扩充为两个失真视图,编码器学习对失真不变性的表示--跨视图预测。增强是跨视图自监督学习框架中学习视觉表示的关键组件之一。本文提出了ExAgt,一种新的方法,包括专家知识,用于增强交通场景,以改善学习表示没有任何人类注释。专家引导的增强是基于基础设施、EGO与交通参与者之间的交互以及理想的传感器模型以自动化的方式生成的。ExAgt方法应用于两种最先进的交叉视图预测方法,并在分类和聚类等下游任务中测试学习到的表示。结果表明,与仅使用标准扩充相比,ExAgt方法提高了表示学习,并提供了更好的表示空间稳定性。该代码可在https://github.com/lab176344/ExAgt上获得。
2022-07-20 cs.CV
Cross-View Urban Traffic Dataset: Drone-Supervised Ground Truth for Monocular Bird's-Eye View Localization
OTH Regensburg(雷根斯堡应用技术大学)
提出一个由同步自行车视角和无人机视角视频构建的跨视角城市交通数据集,支持跨视角身份匹配和鸟瞰图预测任务,提供身份级对齐和标准化评估。
2026-06-05 cs.AI cs.CV
Training-free Monocular 3D Event Detection System for Traffic Surveillance
Carnegie Mellon University(卡内基梅隆大学);Peking University(北京大学)
我们专注于在监控场景中检测交通事件的问题,包括车辆动作和交通碰撞的检测。现有的事件检测系统大多是基于学习的,并且在大量训练数据可用时已经取得了令人信服的性能。然而,在现实世界的场景中,收集足够的标记训练数据是昂贵的,有时是不可能的(例如,对于交通碰撞检测)。此外,传统的2D表示的监视视图很容易受到遮挡和不同的相机视图的性质。为了解决上述问题,本文提出了一种用于交通监控的免训练单目3D事件检测系统。我们的系统首先将车辆投影到3D欧氏空间中,并估计它们的运动状态。然后,我们开发了多种简单而有效的方法来识别基于运动学模式的事件,这不需要进一步的训练。因此,我们的系统是强大的遮挡和视点的变化。独家实验报告了我们的方法在大规模真实世界的监控数据集上的优越结果,这验证了我们提出的系统的有效性。
2020-02-01 cs.CV
FedBEVT: Federated Learning Bird's Eye View Perception Transformer in Road Traffic Systems
Fraunhofer Institute for Transportation and Infrastructure Systems IVI(弗劳恩霍夫交通与基础设施系统研究所IVI);Technical University of Munich(慕尼黑工业大学);University of California, Los Angeles(加州大学洛杉矶分校);Technische Hochschule Ingolstadt(英戈尔施塔特应用技术大学)
本文提出FedBEVT,一种用于自动驾驶鸟瞰图感知的联邦Transformer学习方法,通过FedCaP和AMCM解决传感器位姿和数量异构性,在四个真实用例中优于基线。
2023-09-08 cs.CV
Multi-View Fusion Neural Network for Traffic Demand Prediction
Sun Yat-Sen University(中山大学)
本文提出多视图融合神经网络(MVFN),结合图卷积与余弦注意力提取空间特征,并通过多通道可分离时间卷积建模异质性时间变化,在交通需求预测中取得最优精度。
2024-12-24 cs.CV
Multi-view Multi-label Anomaly Network Traffic Classification based on MLP-Mixer Neural Network
Xidian University(西安电子科技大学);Chongqing University of Posts and Telecommunications(重庆邮电大学)
针对现有CNN方法忽略流量全局信息关联的问题,提出基于MLP-Mixer的多视图多标签异常网络流量分类方法,将包头、包体与流特征作为多视图输入并利用场景相关性提升性能,在三个公开数据集上表现优越。
2023-09-09 cs.AI cs.CV cs.LG
BoxCars: Improving Fine-Grained Recognition of Vehicles using 3-D Bounding Boxes in Traffic Surveillance
Brno University of Technology(布尔诺理工大学);Faculty of Information Technology(信息技术学院);Centre of Excellence IT4Innovations(IT4创新卓越中心)
在本文中,我们专注于细粒度识别的车辆主要是在交通监控应用。我们提出了一种方法,是正交的细粒度识别(自动部分发现和双线性池)的最新进展。此外,与其他专注于车辆细粒度识别的方法相比,我们不局限于前/后视点,而是允许从任何视点看到车辆。我们的方法是基于3-D包围盒周围的车辆。该限界框可以从交通监视数据自动构造。对于不可能使用精确构造的情况,我们提出了一种用于估计3-D限界框的方法。3-D限界框用于通过将图像“解包”到平面中来规范化图像视点。我们还建议在卷积神经网络(CNN)的训练过程中随机改变图像的颜色,并将带有随机噪声的矩形添加到图像中的随机位置。我们已经收集了一个大型的细粒度车辆数据集BoxCars 116 k,其中包含由众多监控摄像头拍摄的来自不同视角的116 k车辆图像。我们进行了大量的实验,结果表明,我们提出的方法显着提高了CNN的分类准确性(与没有提出修改的CNN相比,准确性提高了12%,错误减少了50%)。我们还表明,我们的方法优于最先进的细粒度识别方法。
2018-03-09 cs.CV
Text2Traffic: A Text-to-Image Generation and Editing Method for Traffic Scenes
Baidu(百度);School of Electronic and Information Engineering, Beijing Jiaotong University(北京交通大学电子与信息工程学院)
本文提出了一种统一的文本驱动框架,通过可控掩码机制和多视角数据增强,提升交通场景中文本到图像生成与编辑的保真度和对齐性。
2025-11-28 cs.CV
Deep traffic light detection by overlaying synthetic context on arbitrary natural images
Universidade Federal do Espírito Santo(圣埃斯皮里图联邦大学);Instituto Federal do Espírito Santo(圣埃斯皮里图联邦学院);University of Trento(特伦托大学)
深度神经网络是自动驾驶相关许多问题的有效解决方案。通过向网络提供具有交通背景的真实图像样本,该模型可以学习检测和分类感兴趣的元素,例如行人,交通标志和交通灯。然而,获取和注释真实数据在时间和精力方面可能是极其昂贵的。在这种情况下,我们提出了一种方法来生成人工交通相关的训练数据的深度交通灯检测器。这些数据是使用基本的非现实计算机图形生成的,以在与交通领域无关的任意图像背景上混合虚假的交通场景。因此,无需注释即可生成大量训练数据。此外,它还解决了交通信号灯数据集中固有的数据不平衡问题,主要是由于黄色状态的样本量较低。实验表明,有可能实现与利用来自问题域的真实训练数据获得的结果相当的结果,产生平均mAP和平均F1分数,其各自比利用真实世界参考模型获得的相应度量高近4p.p.。
2020-12-10 cs.CV
Monocular 3D Vehicle Detection Using Uncalibrated Traffic Cameras through Homography
University of Michigan(密歇根大学);Collaborative Safety Research Center at the Toyota Motor North America Research & Development(丰田汽车北美研发中心协作安全研究中心)
本文提出了一种从单个交通摄像机中提取车辆在三维世界中的位置和姿态的方法。大多数以前的单目3D车辆检测算法从驾驶员的角度关注车辆上的摄像机,并假设已知的内在和外在校准。与此相反,本文侧重于相同的任务,使用未校准的单目交通摄像机。我们观察到,道路平面和图像平面之间的单应性是必不可少的3D车辆检测和数据合成这项任务,和单应性可以估计没有相机的内在和外在。我们进行3D车辆检测,通过估计旋转的包围盒(R盒)在鸟瞰图(BEV)从逆透视映射生成的图像。我们提出了一种新的回归目标,称为tailed r-box和一种双视图网络架构,可以提高扭曲BEV图像的检测精度。实验表明,所提出的方法可以推广到新的相机和环境设置,尽管在训练过程中看不到它们的图像。
2022-01-04 cs.CV
Capturing the Dynamics of Pedestrian Traffic Using a Machine Vision System
Institute of Computer Science(计算机科学研究所);University of the Philippines Los Baños(菲律宾大学洛斯巴诺斯分校)
我们开发了一个机器视觉系统来自动捕捉四种不同交通场景下行人的动态。通过将每个行人的俯视图视为数字对象,系统处理图像序列以跟踪行人。考虑到摄像机镜头的透视效果和俯视场景中走廊的投影面积,每个跟踪对象从其原始位置到其当前位置的距离被近似为每个视频帧。使用近似的距离和视频帧速率(每秒30帧),随后导出每个跟踪对象的相应速度和加速度。系统通过二维运动学图形显示行人的量化运动特征。该系统还输出视频图像的行人与叠加标记跟踪。这些视觉标记用于视觉描述和量化不同交通场景下行人的行为。
2015-07-26 cs.CV
Extended Field of View Analysis for VideoGAN-based Trajectory Generation
Technical University of Berlin(柏林工业大学);Heinrich Heine University Düsseldorf(杜塞尔多夫海因里希·海涅大学)
该研究扩展了VideoGAN框架,改进语义表示与轨迹提取方式,系统研究大视场,引入评估框架,实现高效逼真轨迹生成,适配自动驾驶下游任务。
2026-08-04 cs.CV cs.LG
GeoRoute: Geometry-Aware Hybrid Inference for Traffic Future-Frame Prediction
Vietnamese-German University(越南-德国大学);University of Science, Ho Chi Minh City(胡志明市科学大学);Ho Chi Minh City University of Technology(胡志明市技术大学);University of Information Technology, Ho Chi Minh City(胡志明市信息技术大学)
GeoRoute是一种无需训练的几何感知混合推理框架,通过多帧深度分层渲染器和视角条件选择预测器,在AI City Challenge Track 5基准上实现了具有竞争力的交通未来帧预测性能,提升了静态几何稳定性。
2026-08-11 cs.CV
ATARS: An Aerial Traffic Atomic Activity Recognition and Temporal Segmentation Dataset
National Chengchi University(国立政治大学);Indiana University Bloomington(印第安纳大学伯明顿分校);National Yang Ming Chiao Tung University(国立阳明交通大学)
针对现有交通原子活动数据集视角受限、仅含视频级标注的问题,该研究推出首个航拍多标签ATARS数据集,提出多标签时间原子活动识别新任务,实验验证了数据集的独特挑战并给出未来研究方向。
2025-03-24 cs.CV
OmniTraffic: A Controllable Generation Pipeline and Benchmark for Spatio-Temporal Traffic Reasoning
The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳));Shanghai AI Lab(上海人工智能实验室);Beihang University(北京航空航天大学);Nanyang Technological University(南洋理工大学);The Hong Kong University of Science and Technology (Guangzhou)(香港科技大学(广州));The Chinese University of Hong Kong(香港中文大学)
提出OmniTraffic,一个基于12个真实路口3D重建的可控生成流水线与基准,通过8M VQA样本和3K人工验证测试集评估11个前沿MLLM,揭示拓扑与时空推理中的显著人机差距,并证明仿真数据微调可提升真实场景性能。
2026-06-16 cs.AI cs.CV cs.SY
Fusion-GRU: A Deep Learning Model for Future Bounding Box Prediction of Traffic Agents in Risky Driving Videos
University of Washington(华盛顿大学);Stony Brook University(石溪大学)
针对自车运动、短时观测及多线索融合难题,本文提出 Fusion-GRU 编码器-解码器模型,结合自注意力聚合与 GRU 解码器,在 ROL 和 HEV-I 上实现有效的交通参与者未来边界框预测。
2023-08-12 cs.CV
Probabilistic Image-Driven Traffic Modeling via Remote Sensing
DZYNE Technologies(DZYNE技术公司)
本研究提出基于Transformer的多模态多任务分割架构,结合地理时间编码与概率目标函数,从遥感影像建模城市交通,在DTS基准上显著提升性能并引入DTS++数据集。
2024-07-18 cs.CV
Anomaly Detection in Road Traffic Using Visual Surveillance: A Survey
Indian Institute of Technology Bhubaneswar(布巴内斯瓦尔印度理工学院)
计算机视觉在过去十年中已经发展成为许多应用的关键技术,取代了人类的监督。在本文中,我们提出了一个调查相关的视觉监控相关的研究异常检测在公共场所,主要集中在道路。首先,我们回顾了过去10年在这一领域进行的调查。由于一个典型的异常检测的基本组成部分是学习,我们强调更多的学习方法应用于视频场景。然后,我们总结了在过去六年中所做的重要贡献异常检测主要集中在功能,底层技术,应用场景和类型的异常使用单静态相机。最后,我们讨论了计算机视觉相关的异常检测技术的挑战和一些重要的未来的可能性。
2019-01-24 cs.CV
CNN-Based Framework for Pedestrian Age and Gender Classification Using Far-View Surveillance in Mixed-Traffic Intersections
Bangladesh University of Engineering and Technology (BUET)(孟加拉国工程技术大学)
本研究提出基于CNN的远视监控框架,用于混合交通交叉口行人年龄和性别分类,无需面部识别或高分辨率图像,提供高效、低成本的行人人口统计数据监测解决方案。
2025-11-28 cs.CV cs.IR
TrafficVLM: A Controllable Visual Language Model for Traffic Video Captioning
Simon Fraser University(西蒙菲莎大学);Hanoi University of Science and Technology(河内理工大学)
本文提出TrafficVLM,一种面向车辆自车视角的多模态密集视频描述模型,通过时空分层建模、条件生成控制和多任务微调,实现对车辆与行人的长篇幅细粒度描述,并在AI City Challenge 2024 Track 2中取得第三名。
2024-04-14 cs.AI cs.CL cs.CV
Crowdsourced 3D Mapping: A Combined Multi-View Geometry and Self-Supervised Learning Approach
NavInfo Europe(四维图新欧洲)
有效利用众包视觉数据的能力为大规模动态地图绘制和自动驾驶领域带来了巨大的潜力。然而,用于众包3D映射的现有技术方法假设相机固有的先验知识。在这项工作中,我们提出了一个框架,估计语义有意义的地标,如交通标志的3D位置,而不假设已知的摄像机本质,只使用单目彩色摄像机和GPS。我们利用多视图几何以及基于深度学习的自校准、深度和自我运动估计来进行交通标志定位,并表明结合它们的优势对于增加地图覆盖范围非常重要。为了促进这项任务的研究,我们构建并提供了一个基于KITTI的3D交通标志地面实况定位数据集。使用我们提出的框架,我们在这个数据集上实现了平均单程相对和绝对定位精度分别为39厘米和1.26米。
2020-07-25 cs.CV cs.LG cs.RO
Risk Prediction on Traffic Accidents using a Compact Neural Model for Multimodal Information Fusion over Urban Big Data
Fudan University(复旦大学);China University of Petroleum(中国石油大学)
交通事故风险图预测对于预防事故发生和应急响应的早期规划具有重要意义。在这方面,挑战在于城市大数据的多模式性质。我们提出了一个紧凑的神经集成模型,以减轻过度拟合融合多模态功能,并开发了一些新的功能,如分形测量的道路复杂性的卫星图像,出租车流量,POI,道路宽度和连通性的OpenStreetMap。该解决方案在性能上比基线方法和基于单模态数据的解决方案更有前途。通过微观可视化,揭示了高风险和低风险相关场景的视觉模式,为今后的道路设计提供借鉴。从城市的角度来看,预测的风险图接近地面实况,可以作为优化空间配置的基础,应急响应资源,报警标志。据我们所知,这是第一个工作,融合视觉和时空特征的交通事故预测,并提出了基于数据采掘的城市计算和计算机视觉的城市感知之间的差距。
2021-02-21 cs.CV cs.LG
Traffic Sign Detection and Recognition for Autonomous Driving in Virtual Simulation Environment
University of Washington(华盛顿大学)
本研究开发了一种基于RetinaNet的交通标志检测与识别算法。改进了两个主要方面以提高交通标志的检测:图像裁剪以解决大图像和小交通标志的问题;以及使用更多具有各种尺度的锚点来检测不同大小和形状的交通标志。在虚拟仿真环境中,对所提出的算法进行了训练,并在一系列自动驾驶前视图像中进行了测试。实验结果表明,该算法在光照和天气条件良好的情况下表现非常好。它的缺点是,它有时无法检测对象在恶劣的天气条件下,如雪和无法区分限速标志与不同的限制值。
2019-10-27 cs.CV eess.IV
Scrutinizing Data from Sky: An Examination of Its Veracity in Area Based Traffic Contexts
Indian Institute of Technology Delhi(印度理工学院德里分校);Queensland University of Technology(昆士兰科技大学)
本研究检验了基于AI的DFS交通数据采集工具在发展中国家异质区域交通中的准确性,通过CVC、SMS和微观轨迹验证发现鸟瞰视角数据误差最小,其他配置存在显著误差。
2024-04-26 cs.CV cs.ET
Scaling Traffic Insights with AI and Language Model-Powered Camera Systems for Data-Driven Transportation Decision Making
本研究提出一个基于AI的端到端框架,利用微调YOLOv11模型、基于图的视角归一化方法和特定领域大语言模型处理交通摄像头数据,在纽约拥堵定价期间验证了其能以最少人工干预实现大规模、与政策相关的交通监控。
2025-10-11 cs.CV eess.IV
Multi-view Phase-aware Pedestrian-Vehicle Incident Reasoning Framework with Vision-Language Models
College of Engineering University of Georgia(工程学院 乔治亚大学)
针对行人-车辆事故推理缺乏行为认知阶段分析与多视角整合的问题,提出MP-PVIR框架,结合专用VLMs实现相位分割、多视角推理与报告生成,在Woven数据集验证其将视频转化为可操作安全见解的能力。
2025-11-18 cs.AI cs.CV
D$^2$-City: A Large-Scale Dashcam Video Dataset of Diverse Traffic Scenarios
DiDi AI Labs(滴滴人工智能实验室);Didi Chuxing(滴滴出行);University of Southern California(南加州大学)
驾驶数据集加速了智能驾驶和相关计算机视觉技术的发展,而大量和详细的注释则可以作为燃料和动力,提高这些数据集的效率,以改进基于学习的模型。我们提出了D $^2$ -City,这是一个大规模的全面收集DiDi平台上车辆收集的dashcam视频的集合。D $^2$ -城市包含超过10000个视频片段,深刻反映了中国现实世界交通场景的多样性和复杂性。我们还提供了1000个视频的所有帧中的12类对象的边界框和跟踪注释,以及其余视频的关键帧上的检测注释。与现有的数据集相比,D $^2$ -City具有不同天气、道路和交通条件下的数据,以及大量精心设计的检测和跟踪注释。通过为社区带来一系列具有挑战性的案例,我们预计D $^2$ -City数据集将推动智能驾驶的感知和相关领域。
2019-06-03 cs.CV cs.LG stat.ML