PulseAugur
中
实时 10:51:46
English(EN) HST-HGN: Heterogeneous Spatial-Temporal Hypergraph Networks with Bidirectional State Space Models for Global Fatigue Assessment

新型HST-HGN网络利用双向状态空间模型评估驾驶员疲劳

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了HST-HGN，一种新颖的异构时空超图网络，用于从视频评估驾驶员疲劳。该网络利用双向状态空间模型有效建模细微面部表情中的长程时间依赖性，解决了先前计算量大或能力不足的图网络方法的局限性。HST-HGN集成了用于面部变形分析的分层超图和用于高效双向序列建模的Bi-Mamba模块，在疲劳基准测试中取得了最先进的性能，同时保持了实时边缘部署的计算效率。 AI

影响 为实时驾驶员疲劳检测提供了一种计算效率更高的方法，有可能改进汽车安全系统。

排序理由 详细介绍特定任务新模型架构的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新型HST-HGN网络利用双向状态空间模型评估驾驶员疲劳

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Changdao Chen, Qinqiuhong Ye, Hao Chen, Jinyu Wang ·

    HST-HGN: Heterogeneous Spatial-Temporal Hypergraph Networks with Bidirectional State Space Models for Global Fatigue Assessment

    arXiv:2604.08435v2 Announce Type: replace-cross Abstract: It remains challenging to assess driver fatigue from untrimmed videos under constrained computational budgets, due to the difficulty of modeling long-range temporal dependencies in subtle facial expressions. Some existing …

相关实体

相关话题