VAGNet：基于全球特征的视觉化学预警网络
计算机视觉与模式识别
2026-04-20 v3
摘要
交通事故是全球致命和伤残的主要原因。因此，提前预见危险情况的能力至关重要。自动化事故预警通过及时警报和碰撞规避机动实现，构成了高级驾驶辅助系统的关键组件。在自动驾驶中，这类预测能力支持主动安全行为，例如在需要时启动防御性驾驶或人机接管。使用车载摄像头作为输入提供了成本有效的解决方案，但由于真实驾驶场景的复杂性，面临较大挑战。事故预警系统必须实时运行。然而，现有方法涉及从每个检测到的目标中提取特征，计算密集。我们提出VAGNet（Vision-based Accident Anticipation），一种深度神经网络，从车载摄像头视频中使用交通场景的全局特征预测事故，无需显式的目标级特征。该网络由Transformer和图模块组成，我们使用视觉基础模型VideoMAE-V2进行全局特征提取。在四个基准数据集（DAD、DoTA、DADA和Nexar）上的实验表明，我们的方法在平均精度和事故前时间上均优于现有方法，同时计算效率更高。
关键词
引用
@article{arxiv.2604.09305,
title = {VAGNet: Vision-based Accident Anticipation with Global Features},
author = {Vipooshan Vipulananthan and Charith D. Chitraranjan},
journal= {arXiv preprint arXiv:2604.09305},
year = {2026}
}