自动驾驶

Vision-Based Natural Language Scene Understanding for Autonomous Driving: An Extended Dataset and a New Model for Traffic Scene Description Generation

基于视觉的自然语言场景理解用于自动驾驶：一个扩展数据集和一个用于交通场景描述生成的新模型

Danial Sadrian Zadeh, Otman A. Basir, Behzad Moshiri

机构 * Department of Electrical and Computer Engineering, University of Waterloo（滑铁卢大学电气与计算机工程系） ； School of Electrical and Computer Engineering, College of Engineering, University of Tehran（德黑兰大学电气与计算机工程学院） 纠错

专题命中 仿真评测 ：autonomous driving(title)；分类 cs.CV、cs.AI

AI总结 本文提出了一种基于视觉的自然语言场景理解模型，通过扩展数据集和混合注意力机制，提升自动驾驶中交通场景描述生成的准确性和丰富性。

Comments Under review at Computer Vision and Image Understanding (submitted July 25, 2025)