跳到正文
arXiv · 机器人与计算机视觉· Lena Wild, Katie Z Luo, Marco Pavone·· 14 小时前AI 评分68

基于图的视觉推理:连接结构与语言以理解自动驾驶道路

Bridging Structure and Language: Graph-Based Visual Reasoning for Autonomous Road Understanding

AI 导读

针对现有视觉语言模型缺乏几何关系 grounding 而传统系统语义僵化的问题,本文提出结合道路基底(CRS)图基框架,实现几何结构与开放词汇语义的联合执行。研究证明,即使使用小参数模型配合少量 CRS 增强场景,也能在组合推理任务上获得稳定增益,且失败模式从关系理解转向属性识别,表明结构化监督是主要瓶颈而非模型规模。

来源:arXiv · 机器人与计算机视觉 · arxiv.org