PulseAugur
中
实时 05:17:07
English(EN) Adaptive Cross-Modal Fusion with Sparse Attention for Pedestrian Crossing Intention Prediction

新的ADAPT框架提升了自动驾驶汽车的行人过马路预测能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了ADAPT，一个新颖的多模态框架，旨在提高自动驾驶汽车的行人过马路意图预测能力。该系统集成了来自RGB图像、深度图和语义图的视觉数据以及诸如自车速度和行人姿态等运动学信息。ADAPT采用稀疏注意力机制来高效融合这些多样化的输入，专注于信息量最大的交互。在基准数据集上的实验表明，ADAPT在准确性和速度上均优于现有方法，实现了高AUC分数，并在20毫秒内完成推理。 AI

影响 该框架通过提供更准确的实时行人意图预测，可以显著提高自动驾驶系统的安全性和可靠性。

排序理由 该项目是一篇研究论文，详细介绍了一种用于特定AI应用的新技术方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

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

新的ADAPT框架提升了自动驾驶汽车的行人过马路预测能力

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Kaixin Gao ·

    面向行人过马路意图预测的稀疏注意力自适应跨模态融合

    Predicting pedestrian crossing intention is a safety-critical task for autonomous driving, yet existing approaches often rely on single-modal inputs or dense multimodal fusion strategies that inadequately capture complementary visual and kinematic information while introducing re…

相关实体

相关话题