Buchumschlag

DriveBLIP2: Attention-Guided Explanation Generation for Complex Driving Scenarios

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ling, Shihong, Wan, Yue, Jia, Xiaowei, Du, Na
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Robotics Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Improving Explainable Object-induced Model through Uncertainty for Automated Vehicles
von: Ling, Shihong, et al.
Veröffentlicht: (2024)

ReGentS: Real-World Safety-Critical Driving Scenario Generation Made Stable
von: Yin, Yuan, et al.
Veröffentlicht: (2024)

Bench2Drive-R: Turning Real World Data into Reactive Closed-Loop Autonomous Driving Benchmark by Generative Model
von: You, Junqi, et al.
Veröffentlicht: (2024)

DriveTransformer: Unified Transformer for Scalable End-to-End Autonomous Driving
von: Jia, Xiaosong, et al.
Veröffentlicht: (2025)

LLM-attacker: Enhancing Closed-loop Adversarial Scenario Generation for Autonomous Driving with Large Language Models
von: Mei, Yuewen, et al.
Veröffentlicht: (2025)

Advancing Autonomous Driving: DepthSense with Radar and Spatial Attention
von: Hussain, Muhamamd Ishfaq, et al.
Veröffentlicht: (2021)

Learning Personalized Driving Styles via Reinforcement Learning from Human Feedback
von: Li, Derun, et al.
Veröffentlicht: (2025)

GPD-1: Generative Pre-training for Driving
von: Xie, Zixun, et al.
Veröffentlicht: (2024)

SCOUT: A Lightweight Framework for Scenario Coverage Assessment in Autonomous Driving
von: Yildiz, Anil, et al.
Veröffentlicht: (2025)

TransDiffuser: Diverse Trajectory Generation with Decorrelated Multi-modal Representation for End-to-end Autonomous Driving
von: Jiang, Xuefeng, et al.
Veröffentlicht: (2025)

SegXAL: Explainable Active Learning for Semantic Segmentation in Driving Scene Scenarios
von: Mandalika, Sriram, et al.
Veröffentlicht: (2024)

See Less, Drive Better: Generalizable End-to-End Autonomous Driving via Foundation Models Stochastic Patch Selection
von: Mallak, Amir, et al.
Veröffentlicht: (2026)

EMPERROR: A Flexible Generative Perception Error Model for Probing Self-Driving Planners
von: Hanselmann, Niklas, et al.
Veröffentlicht: (2024)

Dream to Drive with Predictive Individual World Model
von: Gao, Yinfeng, et al.
Veröffentlicht: (2025)

Learning to Drive via Asymmetric Self-Play
von: Zhang, Chris, et al.
Veröffentlicht: (2024)

Panoptic Perception for Autonomous Driving: A Survey
von: Li, Yunge, et al.
Veröffentlicht: (2024)

Dynamic Adversarial Attacks on Autonomous Driving Systems
von: Chahe, Amirhosein, et al.
Veröffentlicht: (2023)

Hybrid-Prediction Integrated Planning for Autonomous Driving
von: Liu, Haochen, et al.
Veröffentlicht: (2024)

A Survey for Foundation Models in Autonomous Driving
von: Gao, Haoxiang, et al.
Veröffentlicht: (2024)

DrivingScene: A Multi-Task Online Feed-Forward 3D Gaussian Splatting Method for Dynamic Driving Scenes
von: Hou, Qirui, et al.
Veröffentlicht: (2025)

DriveSceneGen: Generating Diverse and Realistic Driving Scenarios from Scratch
von: Sun, Shuo, et al.
Veröffentlicht: (2023)

Data Scaling Laws for End-to-End Autonomous Driving
von: Naumann, Alexander, et al.
Veröffentlicht: (2025)

A Simulator Dataset to Support the Study of Impaired Driving
von: Gideon, John, et al.
Veröffentlicht: (2025)

Efficient Equivariant Transformer for Self-Driving Agent Modeling
von: Xu, Scott, et al.
Veröffentlicht: (2026)

CarPlanner: Consistent Auto-regressive Trajectory Planning for Large-scale Reinforcement Learning in Autonomous Driving
von: Zhang, Dongkun, et al.
Veröffentlicht: (2025)

DriveGPT: Scaling Autoregressive Behavior Models for Driving
von: Huang, Xin, et al.
Veröffentlicht: (2024)

SimBEV: A Synthetic Multi-Task Multi-Sensor Driving Data Generation Tool and Dataset
von: Mehr, Goodarz, et al.
Veröffentlicht: (2025)

DeFIX: Detecting and Fixing Failure Scenarios with Reinforcement Learning in Imitation Learning Based Autonomous Driving
von: Dagdanov, Resul, et al.
Veröffentlicht: (2022)

CARIL: Confidence-Aware Regression in Imitation Learning for Autonomous Driving
von: Delavari, Elahe, et al.
Veröffentlicht: (2025)

Efficient Multi-Camera Tokenization with Triplanes for End-to-End Driving
von: Ivanovic, Boris, et al.
Veröffentlicht: (2025)

Multi-Objective Reinforcement Learning for Adaptable Personalized Autonomous Driving
von: Surmann, Hendrik, et al.
Veröffentlicht: (2025)

Mind2Drive: Predicting Driver Intentions from EEG in Real-world On-Road Driving
von: Alosaimi, Ghadah, et al.
Veröffentlicht: (2026)

ACT-Bench: Towards Action Controllable World Models for Autonomous Driving
von: Arai, Hidehisa, et al.
Veröffentlicht: (2024)

DINO Pre-training for Vision-based End-to-end Autonomous Driving
von: Juneja, Shubham, et al.
Veröffentlicht: (2024)

Language-Enhanced Latent Representations for Out-of-Distribution Detection in Autonomous Driving
von: Mao, Zhenjiang, et al.
Veröffentlicht: (2024)

ProIn: Learning to Predict Trajectory Based on Progressive Interactions for Autonomous Driving
von: Dong, Yinke, et al.
Veröffentlicht: (2024)

Machine Learning-Based Vehicle Intention Trajectory Recognition and Prediction for Autonomous Driving
von: Yu, Hanyi, et al.
Veröffentlicht: (2024)

OpenEMMA: Open-Source Multimodal Model for End-to-End Autonomous Driving
von: Xing, Shuo, et al.
Veröffentlicht: (2024)

AutoTrust: Benchmarking Trustworthiness in Large Vision Language Models for Autonomous Driving
von: Xing, Shuo, et al.
Veröffentlicht: (2024)

LargeAD: Large-Scale Cross-Sensor Data Pretraining for Autonomous Driving
von: Kong, Lingdong, et al.
Veröffentlicht: (2025)