视觉语言模型在驾驶员监控系统中的应用探索
计算机视觉与模式识别
2025-03-18 v1 机器学习
摘要
近年来，我们见证了新兴深度学习模型的显著进展，特别是大语言模型（LLMs）和视觉语言模型（VLMs）。这些模型展示了有前景的结果，表明人工智能（AI）的新时代正在超越之前的方法论。它们广泛的知识和零样本能力暗示了开发深度学习解决方案的范式转变，从数据收集和算法训练转向仅仅编写适当的提示。尽管这些技术在各个行业（包括汽车行业）的应用已经得到探索，但在科学文献中关于其在驾驶员监控系统（DMS）中的应用存在一个显著空白。本文提出了我们在这个领域实施 VLMs 的初步方法，利用驾驶员监控数据集评估其性能，并讨论其在真实场景下实施时的优势和挑战。
引用
@article{arxiv.2503.12281,
title = {Exploration of VLMs for Driver Monitoring Systems Applications},
author = {Paola Natalia Cañas and Marcos Nieto and Oihana Otaegui and Igor Rodríguez},
journal= {arXiv preprint arXiv:2503.12281},
year = {2025}
}
备注
Accepted in 16th ITS European Congress, Seville, Spain, 19-21 May 2025