ITS
PulseAugur coverage of ITS — every cluster mentioning ITS across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的基准和攻击挑战多模态大语言模型的能力和安全性 · 已追踪 5 个来源
研究人员开发了新的基准和方法来评估和改进多模态大语言模型 (MLLM)。一项研究中引入的 RetinaGroundBench 专注于视网膜 OCT 图像中 MLLM 的视觉基础定位，揭示了当前模型在准确病理定位方面存在困难。经过微调的模型 RetGrounder 在此基准上表现出显著改进。另一项研究引入了 Melange，一个旨在评估 MLLM 中社会偏见的基准，发现即使模型在视觉理解方面表现出高准确性，视觉模态也会加剧偏见。此外，还…
-
基础模型在行人拥挤预测方面表现不一
一项新近发表在arXiv上的研究评估了时间序列基础模型（FMs）在行人拥挤计数预测方面的有效性。该研究比较了七种不同的预测方法，包括季节性朴素法（Seasonal Naive）和梯度提升树（gradient-boosted trees）等传统方法，以及深度学习模型和两种基础模型（TimesFM和Chronos-2）。研究结果表明，尽管基础模型在数据丰富、具有季节性且上下文长的环境中表现良好，但像季节性朴素法（Seasonal Naiv…
-
深度学习提升交通系统OD矩阵估计
研究人员开发了一种新颖的深度学习方法，用于改进起源-目的地（OD）矩阵的估计，OD矩阵是智能交通系统（ITS）的关键组成部分。这种新方法将深度学习与数值优化算法相结合，使神经网络能够直接从探针交通流中推断结构约束。这消除了对可能过时的先验OD矩阵的依赖，并由于神经网络的泛化能力而提供了实时性能和经济效益。在大规模合成和真实交通数据上的实验证明了该方法的有效性和稳定性。
-
人工智能增强交通安全，物联网数据流量爆炸式增长在即
一篇新的研究论文探讨了在智能交通系统中使用机器学习模型进行入侵检测。该研究提出了一个联邦混合入侵检测框架，该框架在边缘计算节点利用随机森林、决策树和线性SVM网络。这种方法旨在通过实现主动、自给自足的威胁中和来增强互联交通系统的安全性。