跳到正文
arXiv · 机器人与计算机视觉· Abdullah Al Maruf, Md. Sajedul Islam, Tanmoy Mridha, Irfan Hossain Bhuiyan·· 2026-10-16AI 评分35

BD-HazardVLM:探测孟加拉路景中视觉语言模型的潜在防御性驾驶隐患

BD-HazardVLM: Probing Vision-Language Models for Latent Defensive-Driving Hazards in Bangladesh Road Scenes

AI 导读

BD-HazardVLM 基准通过 500 张标注了隐患类别与风险时机的孟加拉道路图像,评估 Qwen2.5-VL-7B、InternVL3-8B 及 MiniCPM-V-4.6 的防御推理能力。结果显示模型隐患存在识别率仅略高于基线,细粒度分类准确率低于 40%,且严重事故召回率为零。该研究证明粗粒度的危险感知并不等同于可靠的防御性驾驶推理,已接受于 ECCV 2026 SDAD 研讨会。

来源:arXiv · 机器人与计算机视觉 · arxiv.org