BADAS：基于真实路边摄像头数据的情境感知碰撞预测
计算机视觉与模式识别
2025-10-17 v1
摘要
现有的碰撞预测方法往往难以区分 ego-vehicle 威胁与不涉及 ego 车辆的随机事故，从而在实际部署中产生大量误报。我们提出了 BADAS，一系列基于 Nexar 真实路边摄像头碰撞数据集训练的碰撞预测模型——这是第一个专为 ego 中心评估设计的基准数据集。我们重新标注了主要基准数据集以识别涉及 ego 车辆的情况，添加了共识报警时间标签，并在必要时合成负样本，以实现公平的 AP/AUC 和时间评估。BADAS 使用在端到端训练的 V-JEPA2 主干网络，包含两个变体：BADAS-Open（在 1500 条公开视频上训练）和 BADAS1.0（在 4 万条专有视频上训练）。在 DAD、DADA-2000、DoTA 和 Nexar 数据集上，BADAS 实现了最先进的 AP/AUC 性能，并优于基于前碰撞的 ADAS 基线，同时提供更真实的时间至事故估计。我们发布了 BADAS-Open 模型权重和代码，以及所有评估数据集的重新标注，以推动以 ego 为中心的碰撞预测研究。
引用
@article{arxiv.2510.14876,
title = {BADAS: Context Aware Collision Prediction Using Real-World Dashcam Data},
author = {Roni Goldshmidt and Hamish Scott and Lorenzo Niccolini and Shizhan Zhu and Daniel Moura and Orly Zvitia},
journal= {arXiv preprint arXiv:2510.14876},
year = {2025}
}