实体
JAADall
JAADall
PulseAugur coverage of JAADall — every cluster mentioning JAADall across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新型Transformer模型提升自动驾驶汽车的行人意图预测能力
研究人员开发了一种多上下文融合Transformer（MFT）模型，旨在提高自动驾驶汽车对行人过马路意图的预测能力。该模型整合了四个关键的上下文维度：行人行为、环境、行人定位和车辆运动。通过涉及上下文内和跨上下文注意力机制的渐进式融合策略，MFT旨在实现更准确的预测，在JAADbeh数据集上准确率达到73%，在JAADall数据集上达到93%，在PIE数据集上达到90%，表现优于现有方法。
-
新型Transformer模型提升自动驾驶行人过马路预测能力
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，…