BriefGPT - AI 论文速递 · 2023-12-21T00:00:00Z

DriveLM: 基于图像问答的驾驶

📝

内容提要

本文研究了将视觉-语言模型整合到驾驶系统中的方法，以增强泛化能力和与用户的互动。通过建立图结构推理的问答对模型，提出了Graph VQA任务。实验证明Graph VQA为驾驶场景的推理提供了简单和有原则的框架。希望这项工作能为将VLMs应用于自动驾驶提供新的启示。

🏷️

标签

Graph VQA 图结构推理 泛化能力 视觉-语言模型 驾驶系统