Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2506.22494

帮助 | 高级搜索

计算机科学 > 机器人技术

arXiv:2506.22494 (cs)
[提交于 2025年6月25日 ]

标题: DriveBLIP2:复杂驾驶场景的注意力引导解释生成

标题: DriveBLIP2: Attention-Guided Explanation Generation for Complex Driving Scenarios

Authors:Shihong Ling, Yue Wan, Xiaowei Jia, Na Du
摘要: 本文介绍了一种新的框架DriveBLIP2,该框架基于BLIP2-OPT架构,用于为新兴驾驶场景生成准确且上下文相关的解释。 尽管现有的视觉-语言模型在一般任务中表现良好,但在理解复杂、多对象环境方面遇到困难,尤其是在自动驾驶等实时应用中,快速识别关键物体至关重要。 为解决这一限制,提出了一个注意力图生成器,以突出显示关键视频帧中与驾驶决策相关的显著物体。 通过引导模型关注这些关键区域,生成的注意力图有助于产生清晰且相关的解释,使驾驶员更好地理解车辆在关键时刻的决策过程。 在DRAMA数据集上的评估表明,与基线模型相比,解释质量有显著提高,如BLEU、ROUGE、CIDEr和SPICE得分更高。 这些发现强调了定向注意力机制在视觉-语言模型中的潜力,以增强实时自动驾驶中的可解释性。
摘要: This paper introduces a new framework, DriveBLIP2, built upon the BLIP2-OPT architecture, to generate accurate and contextually relevant explanations for emerging driving scenarios. While existing vision-language models perform well in general tasks, they encounter difficulties in understanding complex, multi-object environments, particularly in real-time applications such as autonomous driving, where the rapid identification of key objects is crucial. To address this limitation, an Attention Map Generator is proposed to highlight significant objects relevant to driving decisions within critical video frames. By directing the model's focus to these key regions, the generated attention map helps produce clear and relevant explanations, enabling drivers to better understand the vehicle's decision-making process in critical situations. Evaluations on the DRAMA dataset reveal significant improvements in explanation quality, as indicated by higher BLEU, ROUGE, CIDEr, and SPICE scores compared to baseline models. These findings underscore the potential of targeted attention mechanisms in vision-language models for enhancing explainability in real-time autonomous driving.
评论: 被IEEE/RSJ国际智能机器人与系统会议(IROS)2025接受。7页,3图
主题: 机器人技术 (cs.RO) ; 计算机视觉与模式识别 (cs.CV); 机器学习 (cs.LG)
引用方式: arXiv:2506.22494 [cs.RO]
  (或者 arXiv:2506.22494v1 [cs.RO] 对于此版本)
  https://doi.org/10.48550/arXiv.2506.22494
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Shihong Ling [查看电子邮件]
[v1] 星期三, 2025 年 6 月 25 日 00:46:38 UTC (2,255 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.RO
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-06
切换浏览方式为:
cs
cs.CV
cs.LG

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号