यह शोधपत्र हाइब्रिडमाम्बा प्रस्तुत करता है, जो यातायात दुर्घटनाओं का पता लगाने के लिए एक नवीन आर्किटेक्चर है। हाइब्रिडमाम्बा उच्च-सटीक दुर्घटना कालिक स्थानीयकरण प्राप्त करने के लिए दृश्य ट्रांसफार्मर और स्टेट-स्पेस कालिक मॉडलिंग को एकीकृत करता है। बहु-परत टोकन संपीड़न और पदानुक्रमित कालिक प्रसंस्करण, कालिक विभेदन से समझौता किए बिना, गणना दक्षता बनाए रखते हैं। आयोवा परिवहन विभाग के एक बड़े पैमाने के डेटासेट पर मूल्यांकन किए जाने पर, हाइब्रिडमाम्बा 2-मिनट के वीडियो पर 1.50 सेकंड (बेसलाइन मॉडल की तुलना में p<0.01) की औसत निरपेक्ष त्रुटि प्राप्त करता है, जिसमें 65.2% पूर्वानुमान वास्तविक मान के 1 सेकंड के भीतर होते हैं। मापदंडों की उल्लेखनीय रूप से कम संख्या (3 बिलियन बनाम 13.72 बिलियन ) के बावजूद, यह टाइमचैट और वीडियोलामा-2 जैसे अत्याधुनिक वीडियो-भाषा मॉडल से 3.95 सेकंड तक बेहतर प्रदर्शन करता है। यह वीडियो अवधि (2 से 40 मिनट) और पर्यावरणीय स्थितियों की एक श्रृंखला में प्रभावी अस्थायी स्थानीयकरण को प्रदर्शित करता है, जो यातायात निगरानी में सूक्ष्म अस्थायी स्थानीयकरण की क्षमता पर प्रकाश डालता है, लेकिन साथ ही बड़े पैमाने पर तैनाती के लिए चुनौतियां भी प्रस्तुत करता है।
