arXiv · 机器人与计算机视觉· Blessing Agyei Kyem, Richard Dzinyela, Joshua Kofi Asamoah, Eugene Denteh, Andrews Danyo, Solomon Owusu-Ansah, Dickson Gyimah Asiedu, Armstrong Aboah·· 24 天前AI 评分48
StateBridge:基于相位与轨迹感知的合成到现实交通视频描述与问答框架
StateBridge: Phase- and Track-Grounded Reasoning for Synthetic-to-Real Traffic Video Captioning and VQA
AI 导读
StateBridge 是一种仅使用合成数据训练的交通视频语言框架,通过相位感知剪辑和结构化提示将视觉语言模型锚定在稳定证据上。该框架在 AI City Challenge 2026 Track 2 中取得官方 S2 分数 55.4679,证明了结构证据转移在交通场景描述与问答中的有效性。论文为预印本状态,包含 25 页正文和 5 张图示,投稿于 ECCV 会议。
来源:arXiv · 机器人与计算机视觉 · arxiv.org