基于域增强的双分支模型用于高效且可解释的事故预警
计算机视觉与模式识别
2025-07-18 v1 机器学习
摘要
开发精确且计算高效的交通事故预警系统对于当代自动驾驶技术至关重要，能够实现及时干预和损失预防。本文提出一种事故预警框架，采用双分支架构有效地整合来自仪表盘视频的视觉信息与从事故报告中派生的结构化文本数据。此外，我们引入一种特征聚合方法，通过大型模型 (GPT-4o、Long-CLIP) 实现无缝整合多模态输入，并配合针对性的提示工程策略生成可操作的反馈和标准化的事故档案。在基准数据集 (DAD、CCD 和 A3D) 上进行的全面评估表明，我们的方法在预测精度、响应速度、计算开销和可解释性方面均表现优异，从而在交通事故预警领域建立了新的领先基准。
引用
@article{arxiv.2507.12755,
title = {Domain-Enhanced Dual-Branch Model for Efficient and Interpretable Accident Anticipation},
author = {Yanchen Guan and Haicheng Liao and Chengyue Wang and Bonan Wang and Jiaxun Zhang and Jia Hu and Zhenning Li},
journal= {arXiv preprint arXiv:2507.12755},
year = {2025}
}