Buchumschlag

DriveXQA: Cross-modal Visual Question Answering for Adverse Driving Scene Understanding

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tao, Mingzhe, Liu, Ruiping, Zheng, Junwei, Chen, Yufan, Ying, Kedi, Sarfraz, M. Saquib, Yang, Kailun, Zhang, Jiaming, Stiefelhagen, Rainer
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Fourier Prompt Tuning for Modality-Incomplete Scene Segmentation
von: Liu, Ruiping, et al.
Veröffentlicht: (2024)

Scene-agnostic Pose Regression for Visual Localization
von: Zheng, Junwei, et al.
Veröffentlicht: (2025)

mmWalk: Towards Multi-modal Multi-view Walking Assistance
von: Ying, Kedi, et al.
Veröffentlicht: (2025)

Referring Atomic Video Action Recognition
von: Peng, Kunyu, et al.
Veröffentlicht: (2024)

Go Beyond Earth: Understanding Human Actions and Scenes in Microgravity Environments
von: Wen, Di, et al.
Veröffentlicht: (2025)

More than the Sum: Panorama-Language Models for Adverse Omni-Scenes
von: Fan, Weijia, et al.
Veröffentlicht: (2026)

Situat3DChange: Situated 3D Change Understanding Dataset for Multimodal Large Language Model
von: Liu, Ruiping, et al.
Veröffentlicht: (2025)

AltChart: Enhancing VLM-based Chart Summarization Through Multi-Pretext Tasks
von: Moured, Omar, et al.
Veröffentlicht: (2024)

Open Panoramic Segmentation
von: Zheng, Junwei, et al.
Veröffentlicht: (2024)

MateRobot: Material Recognition in Wearable Robotics for People with Visual Impairments
von: Zheng, Junwei, et al.
Veröffentlicht: (2023)

RHO: Robust Holistic OSM-Based Metric Cross-View Geo-Localization
von: Zheng, Junwei, et al.
Veröffentlicht: (2026)

EgoExoMem: Cross-View Memory Reasoning over Synchronized Egocentric and Exocentric Videos
von: Liu, Ruiping, et al.
Veröffentlicht: (2026)

Elevating Skeleton-Based Action Recognition with Efficient Multi-Modality Self-Supervision
von: Wei, Yiping, et al.
Veröffentlicht: (2023)

Mitigating Label Noise using Prompt-Based Hyperbolic Meta-Learning in Open-Set Domain Generalization
von: Peng, Kunyu, et al.
Veröffentlicht: (2024)

Comb, Prune, Distill: Towards Unified Pruning for Vision Model Compression
von: Schmitt, Jonas, et al.
Veröffentlicht: (2024)

RoDLA: Benchmarking the Robustness of Document Layout Analysis Models
von: Chen, Yufan, et al.
Veröffentlicht: (2024)

HybriDLA: Hybrid Generation for Document Layout Analysis
von: Chen, Yufan, et al.
Veröffentlicht: (2025)

Graph-based Document Structure Analysis
von: Chen, Yufan, et al.
Veröffentlicht: (2025)

EReLiFM: Evidential Reliability-Aware Residual Flow Meta-Learning for Open-Set Domain Generalization under Noisy Labels
von: Peng, Kunyu, et al.
Veröffentlicht: (2025)

Exploring Few-Shot Adaptation for Activity Recognition on Diverse Domains
von: Peng, Kunyu, et al.
Veröffentlicht: (2023)

Exploring Self-supervised Skeleton-based Action Recognition in Occluded Environments
von: Chen, Yifei, et al.
Veröffentlicht: (2023)

Skeleton-Based Human Action Recognition with Noisy Labels
von: Xu, Yi, et al.
Veröffentlicht: (2024)

SGR3 Model: Scene Graph Retrieval-Reasoning Model in 3D
von: Wang, Zirui, et al.
Veröffentlicht: (2026)

Advancing Open-Set Domain Generalization Using Evidential Bi-Level Hardest Domain Scheduler
von: Peng, Kunyu, et al.
Veröffentlicht: (2024)

MICA: Multi-Agent Industrial Coordination Assistant
von: Wen, Di, et al.
Veröffentlicht: (2025)

Towards Multi-Source Domain Generalization for Sleep Staging with Noisy Labels
von: Wang, Kening, et al.
Veröffentlicht: (2026)

OneBEV: Using One Panoramic Image for Bird's-Eye-View Semantic Mapping
von: Wei, Jiale, et al.
Veröffentlicht: (2024)

Towards Activated Muscle Group Estimation in the Wild
von: Peng, Kunyu, et al.
Veröffentlicht: (2023)

Exploring Video-Based Driver Activity Recognition under Noisy Labels
von: Fan, Linjuan, et al.
Veröffentlicht: (2025)

What if? Emulative Simulation with World Models for Situated Reasoning
von: Liu, Ruiping, et al.
Veröffentlicht: (2026)

NuScenes-QA: A Multi-modal Visual Question Answering Benchmark for Autonomous Driving Scenario
von: Qian, Tianwen, et al.
Veröffentlicht: (2023)

ObjectFinder: An Open-Vocabulary Assistive System for Interactive Object Search by Blind People
von: Liu, Ruiping, et al.
Veröffentlicht: (2024)

Not an Obstacle for Dog, but a Hazard for Human: A Co-Ego Navigation System for Guide Dog Robots
von: Liu, Ruiping, et al.
Veröffentlicht: (2026)

Snap, Segment, Deploy: A Visual Data and Detection Pipeline for Wearable Industrial Assistants
von: Wen, Di, et al.
Veröffentlicht: (2025)

DriveLM: Driving with Graph Visual Question Answering
von: Sima, Chonghao, et al.
Veröffentlicht: (2023)

AVOID: The Adverse Visual Conditions Dataset with Obstacles for Driving Scene Understanding
von: Jeong, Jongoh, et al.
Veröffentlicht: (2025)

Is Visual in-Context Learning for Compositional Medical Tasks within Reach?
von: Reiß, Simon, et al.
Veröffentlicht: (2025)

@Bench: Benchmarking Vision-Language Models for Human-centered Assistive Technology
von: Jiang, Xin, et al.
Veröffentlicht: (2024)

Hierarchical Question-Answering for Driving Scene Understanding Using Vision-Language Models
von: Mohamud, Safaa Abdullahi Moallim, et al.
Veröffentlicht: (2025)

$M^2$-Occ: Resilient 3D Semantic Occupancy Prediction for Autonomous Driving with Incomplete Camera Inputs
von: Lin, Kaixin, et al.
Veröffentlicht: (2026)