Buchumschlag

Mind the Gap: Evaluating LLM Understanding of Human-Taught Road Safety Principles

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Kranti, Chalamalasetti
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

ShowUI-Aloha: Human-Taught GUI Agent
von: Zhang, Yichun, et al.
Veröffentlicht: (2026)

MATA: Mindful Assessment of the Telugu Abilities of Large Language Models
von: Kranti, Chalamalasetti, et al.
Veröffentlicht: (2025)

Mind the (Data) Gap: Evaluating Vision Systems in Small Data Applications
von: Stevens, Samuel, et al.
Veröffentlicht: (2025)

Understanding Real-World Traffic Safety through RoadSafe365 Benchmark
von: Liu, Xinyu, et al.
Veröffentlicht: (2026)

Mind the Gap: Bridging Occlusion in Gait Recognition via Residual Gap Correction
von: Gupta, Ayush, et al.
Veröffentlicht: (2025)

Are Vision LLMs Road-Ready? A Comprehensive Benchmark for Safety-Critical Driving Video Understanding
von: Zeng, Tong, et al.
Veröffentlicht: (2025)

MotionLLM: Understanding Human Behaviors from Human Motions and Videos
von: Chen, Ling-Hao, et al.
Veröffentlicht: (2024)

See, Think, Learn: A Self-Taught Multimodal Reasoner
von: Sharma, Sourabh, et al.
Veröffentlicht: (2025)

Mind the Gap: Analyzing Lacunae with Transformer-Based Transcription
von: Borkar, Jaydeep, et al.
Veröffentlicht: (2024)

Mind the Gap: Aligning Vision Foundation Models to Image Feature Matching
von: Liu, Yuhan, et al.
Veröffentlicht: (2025)

Mind the Gap: Geometrically Accurate Generative Reconstruction from Disjoint Views
von: Wilczynski, Grzegorz, et al.
Veröffentlicht: (2026)

RoadSceneBench: A Lightweight Benchmark for Mid-Level Road Scene Understanding
von: Liu, Xiyan, et al.
Veröffentlicht: (2025)

Mind the Exit Pupil Gap: Revisiting the Intrinsics of a Standard Plenoptic Camera
von: Michels, Tim, et al.
Veröffentlicht: (2024)

Mind the Gap: Benchmarking Spatial Reasoning in Vision-Language Models
von: Stogiannidis, Ilias, et al.
Veröffentlicht: (2025)

Mind the Gap: Preserving and Compensating for the Modality Gap in CLIP-Based Continual Learning
von: Huang, Linlan, et al.
Veröffentlicht: (2025)

How Well Can Vison-Language Models Understand Humans' Intention? An Open-ended Theory of Mind Question Evaluation Benchmark
von: Wen, Ximing, et al.
Veröffentlicht: (2025)

Don't Mind the Gaps: Implicit Neural Representations for Resolution-Agnostic Retinal OCT Analysis
von: Kahrs, Bennet, et al.
Veröffentlicht: (2026)

Spectral Gaps and Spatial Priors: Studying Hyperspectral Downstream Adaptation Using TerraMind
von: Leonardi, Julia Anna, et al.
Veröffentlicht: (2026)

What Demands Attention in Urban Street Scenes? From Scene Understanding towards Road Safety: A Survey of Vision-driven Datasets and Studies
von: Huang, Yaoqi, et al.
Veröffentlicht: (2025)

Principles of Visual Tokens for Efficient Video Understanding
von: Hao, Xinyue, et al.
Veröffentlicht: (2024)

RoadBench: Benchmarking MLLMs on Fine-Grained Spatial Understanding and Reasoning under Urban Road Scenarios
von: Zhang, Jun, et al.
Veröffentlicht: (2025)

EgoBrain: Synergizing Minds and Eyes For Human Action Understanding
von: Lin, Nie, et al.
Veröffentlicht: (2025)

AGSENet: A Robust Road Ponding Detection Method for Proactive Traffic Safety
von: Zhang, Ronghui, et al.
Veröffentlicht: (2024)

RoadSocial: A Diverse VideoQA Dataset and Benchmark for Road Event Understanding from Social Video Narratives
von: Parikh, Chirag, et al.
Veröffentlicht: (2025)

Mind the Gap Between Prototypes and Images in Cross-domain Finetuning
von: Tian, Hongduan, et al.
Veröffentlicht: (2024)

Mind the Gap: Continuous Magnification Sampling for Pathology Foundation Models
von: Möllers, Alexander, et al.
Veröffentlicht: (2026)

Closing the Safety Gap: Surgical Concept Erasure in Visual Autoregressive Models
von: Zhong, Xinhao, et al.
Veröffentlicht: (2025)

TopoBDA: Towards Bezier Deformable Attention for Road Topology Understanding
von: Kalfaoglu, Muhammet Esat, et al.
Veröffentlicht: (2024)

MR. Video: "MapReduce" is the Principle for Long Video Understanding
von: Pang, Ziqi, et al.
Veröffentlicht: (2025)

Do Large Language Models Understand Data Visualization Principles?
von: Sinnona, Martin, et al.
Veröffentlicht: (2026)

Edge-AI Perception Node for Cooperative Road-Safety Enforcement and Connected-Vehicle Integration
von: R, Shree Charran, et al.
Veröffentlicht: (2026)

Mind the Shape Gap: A Benchmark and Baseline for Deformation-Aware 6D Pose Estimation of Agricultural Produce
von: Chatzis, Nikolas, et al.
Veröffentlicht: (2026)

Mind the Modality Gap: Towards a Remote Sensing Vision-Language Model via Cross-modal Alignment
von: Zavras, Angelos, et al.
Veröffentlicht: (2024)

Mind the Gap Between Synthetic and Real: Utilizing Transfer Learning to Probe the Boundaries of Stable Diffusion Generated Data
von: Hennicke, Leonhard, et al.
Veröffentlicht: (2024)

HermesFlow: Seamlessly Closing the Gap in Multimodal Understanding and Generation
von: Yang, Ling, et al.
Veröffentlicht: (2025)

Mind the Uncertainty in Human Disagreement: Evaluating Discrepancies between Model Predictions and Human Responses in VQA
von: Lan, Jian, et al.
Veröffentlicht: (2024)

RSUD20K: A Dataset for Road Scene Understanding In Autonomous Driving
von: Zunair, Hasib, et al.
Veröffentlicht: (2024)

Enhancing Road Safety: Real-Time Detection of Driver Distraction through Convolutional Neural Networks
von: Sheikh, Amaan Aijaz, et al.
Veröffentlicht: (2024)

Learning Style Identification Using Semi-Supervised Self-Taught Labeling
von: Ayyoub, Hani Y., et al.
Veröffentlicht: (2024)

Exploiting Minority Pseudo-Labels for Semi-Supervised Fine-grained Road Scene Understanding
von: Hong, Yuting, et al.
Veröffentlicht: (2024)