arXiv · 机器人与计算机视觉· Shiva Sreeram, Erfan Aasi, Tsun-Hsuan Wang, Alaa Maalouf, Daniela Rus·· 2026-10-12AI 评分73
Mind the Temporal Gap:评估驾驶场景视频模型的时序理解能力
Mind the Temporal Gap: Evaluating Video Models for Temporal Understanding in Driving
AI 导读
该论文通过受控的自车运动任务评估了多种视频语言模型在驾驶场景下的时序理解能力。研究发现标准提示、视觉提示及思维链等方法仍不可靠且存在偏差,而轻量级 LoRA 微调或基于中间特征的探针能恢复强运动判别性能,表明当前模型更像帧级识别器而非可靠的时序世界模型。
来源:arXiv · 机器人与计算机视觉 · arxiv.org