Inter-3D VQA に関する報道

Inter-3D VQA は、交差点シーン向けの初の 3D 時空間視覚的質問応答ベンチマークを提案し、同期された点群とマルチビュー画像に基づいて 407,000 個の QA ペアを構築し、車線レベルの位置決め、物体の関係、動作パターン、および衝突寸前推論をカバーします。主に自車の視点や 2D 路側ビデオに基づいていた以前のベンチマークと比較して、この研究では 2D 知覚から実際の距離とトポロジーの 3D に基づいた推論への進歩を評価します。