机构名称：
¥ 1.0
摘要。先前的工作已经通过识别动作发作后解决了驾驶员意图预测（DIP）的问题。另一方面，在需要在动作开始之前要求先发制人的情况下，早期的预期同样重要。但是，没有先前的工作旨在解决机动发作之前驾驶员行动预期问题的问题，从而限制了高级驾驶员援助系统（ADAS）的能力进行早期的机动预期。在这项工作中，我们介绍了预期的驾驶演习（ADM），这是一项新任务，可以在机动发作开始之前进行驾驶员的预期。为了启动ADM的研究，我们策划了DAAD的范围，即多视图：以密集和异构的场景和多模式为单位的观点和外部观点：Egocentric View and Caze信息。数据集在启动之前和执行操作之前都会捕获序列。在数据集收集过程中，我们还确保在交通情况，天气和照明以及车道条件下捕获广泛的多样性。接下来，我们提出了一个基于变压器体系结构的强基线，以在更长的视频长度上有效地对多个视图和方式建模。我们基于DAAD和相关数据集上的现有DIP方法。最后，我们进行了一项消融研究，显示了多种观点和方式在操纵预期中的有效性。项目页面：https：//cvit.iiit.ac.in/ research/projects/cvit-projects/daad。
早期预期驾驶演习-CVIT，IIIT
主要关键词
相关文件推荐
