Nexar
PulseAugur coverage of Nexar — every cluster mentioning Nexar across labs, papers, and developer communities, ranked by signal.
-
VAGNet 使用全局特征进行实时事故预测
研究人员开发了 VAGNet，这是一种新颖的深度神经网络，旨在利用行车记录仪视频的全局特征来预测交通事故。与依赖计算密集型对象级特征提取的先前方法不同，VAGNet 利用 Transformer 和图模块，并利用 VideoMAE-v2 视觉基础模型。这种方法旨在为高级驾驶辅助系统和自动驾驶提供实时事故预测，并在基准数据集上展示了改进的平均精度和效率。
-
新数据集CAViAR揭示自动驾驶AI关键推理差距
研究人员推出了CAViAR，一个旨在提高自动驾驶系统因果推理能力的新数据集。该数据集包含2,249个真实世界事故视频，并附有诸如责任归属和违规行为等细节标注。对Qwen3-VL和InternVL3等当前视觉-语言模型的基准测试显示出显著的性能差距，尤其是在事故类型和责任推理方面，突显了现有AI在安全关键场景中的感知-推理能力存在关键差距。
-
Flock 计划利用 Uber 和 Lyft 司机进行大规模车牌监控
Flock 是一家提供自动车牌识别 (ALPR) 技术的公司，曾计划与数百万 Uber、Lyft 和其他快递司机使用的 Nexar 行车记录仪集成。这将有效地将这些司机变成移动监控单元，在他们行驶途中扫描车牌。尽管 Flock 表示与 Nexar 的合作从未执行，但内部演示文稿揭示了他们收集海量车辆数据的宏伟计划。这项举措与其他公司（如 Axon 和摩托罗拉旗下的 Vigilant Solutions 和 DRN）的 ALPR 数据收…
-
FLaRA架构预测未来驾驶场景以进行事故预测
研究人员推出了一种新的预测架构FLaRA，旨在预测驾驶场景中用于事故预测的未来潜在表征。该模型基于视频联合嵌入预测架构（V-JEPA2）构建，通过对观察到的帧进行条件设置来预测即将出现的场景特征。然后，分类器利用这些预测的表征进行事故预测，在Nexar、DAD、DADA-2000和DoTA等基准测试中表现优于现有方法。