ALBERT：面向汽车损伤评估的高级定位与Transformer双向编码器表示
计算机视觉与模式识别
2025-06-13 v1
摘要
本文提出ALBERT，一个专门用于全面汽车损伤与部件分割的实例分割模型。借助双向编码器表示（Bidirectional Encoder Representations）的力量，ALBERT集成了先进的定位机制，能够准确识别和区分真实损伤与虚假损伤，并分割单个汽车部件。该模型在一个大规模、丰富标注的汽车数据集上进行训练，该数据集将损伤分为26种类型，识别7种虚假损伤变体，并分割61个不同的汽车部件。我们的方法在分割精度和损伤分类方面均表现出色，为智能汽车检测与评估应用铺平了道路。
引用
@article{arxiv.2506.10524,
title = {ALBERT: Advanced Localization and Bidirectional Encoder Representations from Transformers for Automotive Damage Evaluation},
author = {Teerapong Panboonyuen},
journal= {arXiv preprint arXiv:2506.10524},
year = {2025}
}
备注
10 pages