基于生成式 AI 的高速公路施工危险通过合成图像与时序序列的可视化
计算机视觉与模式识别
2026-05-13 v1 人工智能
摘要
高速公路施工工人面临严重伤害或死亡的高风险。基于图像的训练材料描绘危险情景对于激发安全教育效果，但因伦理与实际障碍，相关材料稀缺。本研究发展并评估了一种生成式 AI 方法，用于从 OSHA 严重伤害报告叙述中生成合成危险可视化。开发了两种模式：单次生成模式产生每个事件的一个图像，时序生成模式产生四阶段序列。样本为 75 条事件记录，生成 750 张图像，使用 CLIP 基语义检索和专家评估进行评估，检索维度包括教育实用性、保真度与对齐度。单次生成图像实现 81.1% 的教育可接受度，保真度与对齐度分别为 4.14/5 与 4.07/5；时序序列实现 60.9% 的可接受度，与单次模式相比，对齐度相当（3.94/5），但保真度较低（3.51/5）。CLIP 基检索结果显示，两种模式均能产生具有统计学显著检索能力的图像。这类研究在利用现代自回归图像生成模型从报告严重伤害事件中生成可视化危险场景，以及生成时序危险图像方面属首次探索，本文还构建了支持该领域未来研究的多维评估框架。该工作使安全教练能够将叙事讲故事与视觉学习材料配合使用，而无需拍摄真实危险场景，此框架可应用于各类数据集，实现针对新应用领域的定制化合成图像生成。
引用
@article{arxiv.2605.11276,
title = {Generative AI for Visualizing Highway Construction Hazards Through Synthetic Images and Temporal Sequences},
author = {Trevor Neece and Mason Smetana and Lev Khazanovich},
journal= {arXiv preprint arXiv:2605.11276},
year = {2026}
}