实体
VideoMAE-v2
VideoMAE-v2
PulseAugur coverage of VideoMAE-v2 — every cluster mentioning VideoMAE-v2 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
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。
-
VideoMAE-v2方法在零样本场景下预测交通事故
研究人员开发了一种使用行车记录仪视频进行零样本交通事件预测的新方法。他们的方法将VideoMAE-v2骨干网络与逐帧预测头相结合，无需领域内训练数据即可预测即将发生的碰撞。该框架在2026年CVPR@AUTOPILOT零样本事故预测竞赛中获得第二名。