Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

NuPlanQA: A Large-Scale Dataset and Benchmark for Multi-View Driving Scene Understanding in Multi-Modal Large Language Models

Created by
  • Haebom

저자

Sung-Yeon Park, Can Cui, Yunsheng Ma, Ahmadreza Moradipari, Rohit Gupta, Kyungtae Han, Ziran Wang

개요

본 논문은 다중 모드 대규모 언어 모델(MLLM)의 운전 장면 이해 능력을 평가하기 위한 새로운 벤치마크인 NuPlanQA-Eval과 대규모 데이터셋 NuPlanQA-1M을 제시합니다. NuPlanQA-1M은 1백만 개의 실제 세계 시각적 질의응답(VQA) 쌍으로 구성되며, 도로 환경 인식, 공간 관계 인식, 자기 중심 추론 세 가지 핵심 기술에 걸쳐 9개의 하위 작업으로 분류됩니다. 또한, 다중 뷰 이미지에서 얻은 조감도(BEV) 특징을 MLLM에 통합한 BEV-LLM을 제안하고, 이를 통해 기존 MLLM이 운전 장면 특유의 인식과 자기 중심적 관점에서의 공간 추론에 어려움을 겪는다는 것을 보여줍니다. BEV-LLM은 9개의 하위 작업 중 6개에서 다른 모델들을 능가하는 성능을 보이며, BEV 통합이 다중 뷰 MLLM의 성능을 향상시킨다는 것을 입증합니다. NuPlanQA 데이터셋은 공개적으로 제공됩니다.

시사점, 한계점

시사점:
다중 뷰, 다중 모드 운전 장면 이해를 위한 새로운 벤치마크(NuPlanQA-Eval)와 대규모 데이터셋(NuPlanQA-1M) 제시.
BEV 특징 통합을 통해 MLLM의 운전 장면 이해 성능 향상 가능성을 제시 (BEV-LLM).
기존 MLLM의 운전 장면 인식 및 공간 추론의 한계점을 명확히 밝힘.
공개된 데이터셋을 통한 추가 연구 활성화 기대.
한계점:
제시된 BEV-LLM의 성능 향상이 특정 데이터셋에 국한될 가능성.
다양한 운전 환경 및 상황에 대한 일반화 성능에 대한 추가 연구 필요.
9개 하위 작업 중 3개에서 다른 모델보다 성능이 낮은 점은 향후 개선이 필요한 부분.
👍