PulseAugur
实时 05:19:47
English(EN) From Camera-Based Sensing to Reasoning: A Comprehensive Review Toward Proactive Vulnerable Road User Safety

AI综述整合LLMs和ViTs以提升弱势道路使用者安全

一篇新的综述论文探讨了人工智能,特别是大型语言模型(LLMs)和视觉变换器(ViTs),与基于摄像头的系统相结合,以增强弱势道路使用者(VRUs)的安全性。该论文将现有研究组织为视觉感知、运动建模和行为理解,形成了一个用于早期风险预测的流程。它还指出了数据稀缺和高效边缘部署的必要性等关键挑战。 AI

影响 本次综述强调了像LLMs和ViTs这样的先进AI模型在显著改善行人和骑行者主动安全系统方面的潜力。

排序理由 该集群包含一篇关于AI应用的学术综述论文。[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 →

AI综述整合LLMs和ViTs以提升弱势道路使用者安全

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Shucheng Zhang, Yan Shi, Bingzhang Wang, Yuang Zhang, Muhammad Monjurul Karim, Kehua Chen, Chenxi Liu, Mehrdad Nasri, Yinhai Wang ·

    从基于相机的感知到推理:迈向主动式弱势道路使用者安全综述

    arXiv:2510.03314v2 Announce Type: replace-cross Abstract: Ensuring the safety of vulnerable road users (VRUs), such as pedestrians and cyclists, remains a critical challenge, as conventional infrastructure-based measures are often insufficient in dynamic urban environments. Recen…