PulseAugur
中
实时 00:47:36
English(EN) Adaptive Cross-Modal Fusion with Sparse Attention for Pedestrian Crossing Intention Prediction

新型Transformer模型提升自动驾驶行人过马路预测能力

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了ADAPT（自适应领域感知行人过马路Transformer），一个旨在提高自动驾驶中行人过马路意图预测能力的多模态框架。该系统整合了来自RGB图像、深度图和语义图的视觉数据以及行人姿态和自车速度等运动学信息。ADAPT利用Swin Transformer V2和Mamba等专用模块进行特征提取和时序建模，并采用稀疏跨模态注意力机制来高效融合互补信息。在基准数据集上的实验表明，ADAPT在准确性和AUC方面超越了现有方法，同时实现了实时推理速度。 AI

影响 这项研究通过提高行人意图预测的准确性和速度，有望带来更安全的自动驾驶系统。

排序理由 该集群包含一篇详细介绍新模型及其在基准数据集上性能的研究论文。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新型Transformer模型提升自动驾驶行人过马路预测能力

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Research
该集群包含一篇详细介绍新模型及其在基准数据集上性能的研究论文。
Source corroboration
2 independent sources
Multiple independent publishers reporting the same story raises confidence that it's real and newsworthy.
Topics
paper, product
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
77 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Md Mahfuzur Rahman, Pengzhan Zhou, A F M Abdun Noor, Md Imam Ahasan, Kah Ong Michael Goh, S. M. Hasan Mahmud, Md Mustafizur Rahman, 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

    arXiv:2607.12293v1 Announce Type: new Abstract: 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 visua…

  2. 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