每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

AD-EE：自动驾驶中快速可靠的视觉语言模型的早期退出

Created by
  • Haebom

作者

黄连明、胡海波、崔宇飞、左家成、吴尚宇、关南、薛淳

大纲

随着自动驾驶技术的进步，视觉语言模型 (VLM) 的使用日益增多。然而，高延迟和计算开销阻碍了实时应用的发展。尤其需要指出的是，过度推理（VLM 不断处理不必要的层）会导致效率低下。本文提出了一个早期终止框架 AD-EE，该框架融合了自动驾驶领域的特点，并利用因果推理来识别最佳的早期终止层。在 Waymo 和 CODA 等大规模自动驾驶数据集以及使用 Autoware Universe 平台的实际车辆上进行的实验表明，AD-EE 可将延迟降低高达 57.58%，并将目标检测准确率提高高达 44%。

Takeaways, Limitations

•
Takeaways：
◦
提出了一种有效的提前终止框架，以提高自动驾驶中 VLM 的实时性能。
◦
在延迟和物体检测准确性方面都取得了显著的性能提升。
◦
通过在现实世界的自动驾驶环境和多样化数据集中进行的大量实验证明了该方法的实用性。
•
Limitations：
◦
论文中没有指定具体的 Limitations（例如，对特定 VLM 模型或数据集的依赖、特定驾驶环境中的性能限制等）。
◦
需要进一步研究来了解有关 Limitations 的更多信息。
👍
Made with Slashpage