İçeriğe geç
CANLI 03:22 Replit Missions tanıtıldı: Hedefi ve bütçeyi siz belirleyin, ajan sürüsü çalışsın 03:22 WSJ: SEC, Jensen Huang’ın ayrılığının ardından Nvidia hakkında soruşturma başlattı 03:22 Microsoft Agent Framework PyPI paketi ele geçirildi: 1.26.1 ve 1.26.2 kimlik bilgisi çalıyor 03:22 Gemini Tasks ücretsiz oldu: Gemini artık arama yapıp alışveriş yapabiliyor 03:21 Microsoft Ignite 2026’da yedi MAI modeli tanıttı: MAI Code 2 ile ucuz kodlama hamlesi Zekâ endeksi lideri Claude Fable 5.2 (Max, Default Fallback) · 64,6 18.11.2026
Bülten

arXiv 2611.23211 cs.CV

Engelli Sürüşün Modellenmesi için Multimodal Maskeli Difüzyon Otomatik Kodlayıcı

Özgün başlık Multimodal Masked Diffusion Autoencoder for Modeling Impaired Driving

  • John Gideon
  • Anshul Gupta
  • Megan Applegate-Kenton
  • Kayli Battel
  • Todd J Rowell
  • Patricio Reyes Gomez
  • Laporsha Dees
  • Emily Sumner
  • Avinash Balachandran
  • Guy Rosman
ai/muhabir · özet metinden derlendi

İnsanın bilişsel durumu (örn. dikkatin dağılması, stres), bakışı ve davranışı, yapay zekanın sürücülere yardımcı olmak için kullanabileceği, sürüş ortamıyla incelikli yollarla etkileşime girer, ancak insanın bilişsel durum düzeyleri için temel gerçek etiketlerinin geniş ölçekte elde edilmesi maliyetlidir. Bozulma tahminine kendi kendini denetleyen bir hedef ekleyen çok modlu bir maskeli difüzyon otomatik kodlayıcı olan ID-MAE'yi öneriyoruz: bozulma etiketini maskelenmiş bir belirteç olarak tahmin etmenin yanı sıra, maskeli bakışı ve yörüngeyi yeniden yapılandırır. ID-MAE'nin hem DIVERT veri kümesinde hem de mevcut veri kümelerinde bozulma çıkarımı sonuçlarında nasıl önemli iyileştirmeler sağladığını ve yörünge ve bakış tahmini gibi ek görevlerde güçlü sonuçlara nasıl olanak sağladığını gösteriyoruz.

Bu kısa özet, sayfanın kendi metninin ilk cümlelerinden otomatik derlendi; “Yeniden yaz” aynı özeti baştan yazar.

02 Özet

İnsanın bilişsel durumu (örn. dikkatin dağılması, stres), bakışı ve davranışı, yapay zekanın sürücülere yardımcı olmak için kullanabileceği, sürüş ortamıyla incelikli yollarla etkileşime girer, ancak insanın bilişsel durum düzeyleri için temel gerçek etiketlerinin geniş ölçekte elde edilmesi maliyetlidir. Bozulma tahminine kendi kendini denetleyen bir hedef ekleyen çok modlu bir maskeli difüzyon otomatik kodlayıcı olan ID-MAE'yi öneriyoruz: bozulma etiketini maskelenmiş bir belirteç olarak tahmin etmenin yanı sıra, maskeli bakışı ve yörüngeyi yeniden yapılandırır. Farklı modalitelerin ve bozulma türlerinin model çıkarımı üzerindeki etkilerini araştırmak için, bakış, araç durumu ve sahne videosu ile kaydedilen bilişsel, görsel ve duygusal durumları kapsayan on bozulma indüksiyonu ile 103 saatlik sürüş verilerini (n = 109) içeren bir sürüş simülatörü veri seti olan DIVERT'i tanıtıyoruz. ID-MAE'nin hem DIVERT veri kümesinde hem de mevcut veri kümelerinde bozulma çıkarımı sonuçlarında nasıl önemli iyileştirmeler sağladığını ve yörünge ve bakış tahmini gibi ek görevlerde güçlü sonuçlara nasıl olanak sağladığını gösteriyoruz. Konum uyumlu çiftler için modelimiz, yeniden yapılanma kaybı olmadan 0,590'a kıyasla DIVERT'te bozulma tespiti için 0,706'lık eşleştirilmiş AUC'ye ulaşarak mevcut taban çizgilerine göre iyileşme sağlar. Tasarım alanını girdi modaliteleri, maskeleme şeması, konumsal kodlama, dikkat mekanizması ve kod çözme açısından inceliyoruz. Aynı zamanda eğitim ve çıkarımdaki çeşitli bozukluklar arasındaki etkileşimi de araştırıyoruz; görsel açıdan zorlu dikkat dağıtıcı unsurların bilişsel dikkat dağıtıcı unsurlardan ayrılabileceğini gösteriyoruz. Kod ve veriler kabul edildiğinde mevcut olacaktır.

Bu çeviri otomatik (makine çevirisi) olarak hazırlandı; bilimsel alıntı için özgün özeti esas alın.

Human cognitive state (e.g., distraction, stress), gaze, and behavior interact with the driving environment in subtle ways that AI could use to assist drivers, but ground-truth labels for human cognitive state levels are costly to obtain at scale. We propose a multimodal masked-diffusion autoencoder, ID-MAE, that adds a self-supervised objective to impairment prediction: alongside predicting the impairment label as a masked token, it reconstructs masked gaze and trajectory. To probe the effects of different modalities and types of impairments on model inference, we introduce DIVERT, a driving-simulator dataset containing 103 hours of driving data (n = 109) with ten impairment inductions spanning cognitive, visual, and emotional states, recorded with gaze, vehicle state, and scene video. We demonstrate how ID-MAE affords significant improvements in impairment inference results on both the DIVERT dataset and existing datasets, and enables strong results in additional tasks, such as trajectory and gaze prediction. For location-matched pairs, our model achieves a paired AUC of 0.706 for impairment detection on DIVERT, compared to 0.590 without reconstruction loss, improving over existing baselines. We probe the design space in terms of input modalities, masking scheme, positional encoding, attention mechanism, and decoding. We also investigate the interaction between various impairments in training and inference, demonstrating that visually demanding distractions are separable from cognitive distractions. Code and data will be available upon acceptance.

03 PDF

Bu PDF başka bir sitede (arxiv.org) barındırılıyor ve sayfa içinde gösterilemiyor. Yukarıdaki düğmelerle yeni sekmede açabilir ya da indirebilirsiniz.

04 Kaynak göster

BibTeX
@article{gideon2026multimodal,
  title   = {Multimodal Masked Diffusion Autoencoder for Modeling Impaired Driving},
  author  = {John Gideon and Anshul Gupta and Megan Applegate-Kenton and Kayli Battel and Todd J Rowell and Patricio Reyes Gomez and Laporsha Dees and Emily Sumner and Avinash Balachandran and Guy Rosman},
  journal = {arXiv preprint arXiv:2611.23211},
  year    = {2026},
  url     = {https://arxiv.org/abs/2611.23211}
}
APA
Gideon, J., Gupta, A., Applegate-Kenton, M., Battel, K., Rowell, T. J., Gomez, P. R., Dees, L., Sumner, E., Balachandran, A., & Rosman, G. (2026). Engelli Sürüşün Modellenmesi için Multimodal Maskeli Difüzyon Otomatik Kodlayıcı. arXiv. https://arxiv.org/abs/2611.23211
Paylaş
X LinkedIn WhatsApp Telegram Reddit Bluesky Threads E-posta

Yorumlar 0

Yorum yazın

Karakter: 0/1000

Henüz yorum yok. İlk yorumu siz yazın.