Tag
3 件の関連記事
arXiv cs.CVは2026年10月25日(現地時間)、一時的な交通規制下にある作業区域における自動運転車の経路予測精度を向上させる新たなフレームワーク「SAGE (Semantic-to-Action Grounded Execution)」に関する論文を公開した。このフレームワークは、視覚言語モデル（VLM）と幾何学的予測器を統合し、複数の経路候補の中から規制に適合した最適な選択を可能にする。既存の幾何学的予測器が直面していた、複雑な交通規制下での経路選択の課題解決を目指す。
スパルシュ・ガーグ氏らの研究チームは2026年8月19日(現地時間)、自動運転システムにおける交通事故の原因推論能力に関する研究を発表した。研究では、実世界の事故動画に注釈を付与したデータセット「CAViAR (Causal Accident Video and Incident Analysis Repository)」を導入。最新の視覚言語モデル（VLMs）が事故タイプや責任の推論において大幅な性能低下を示す「Perception-Reasoning Gap」が存在すると指摘した。
ヤオ・シャオ（Yao Xiao）氏らが率いる研究チームは2026年7月30日(現地時間)、視覚言語モデルの視覚検索能力を改善する新たな手法「リトークン（ReToken）」に関する論文をarXivに発表した。ReTokenは、長期的な視覚コンテキストにおける計算負荷と性能低下の課題に対応するため、単一の学習可能な埋め込みとして設計されている。小規模な画像-QAデータセットのみで訓練され、画像および動画ベンチマークで一貫した性能向上を実現した。