【CVPR 2025】MPDrive：通过基于标记的提示学习来提高自动驾驶的空间理解能力

文章预览

点击下方 卡片 ，关注“ 自动驾驶专栏 ”公众号 自动驾驶干货 ，即可获取 论文链接： https://arxiv.org/pdf/2504.00379 摘要 本文介绍了 MPDrive：通过基于标记的提示学习来提高自动驾驶的空间理解能力。自动驾驶视觉问答（AD-VQA）旨在根据给定的驾驶场景图像回答与感知、预测和规划相关的问题，它严重依赖于模型的空间理解能力。先前的工作通常通过坐标的文本表示来表达空间信息，导致视觉坐标表示和文本描述之间存在语义差距。这种疏忽阻碍了空间信息的准确传输，增加了表达负担。为了解决这个问题，本文提出了一种新的基于标记的提示学习框架（MPDrive），它通过简洁的视觉标记来表示空间坐标，确保了语言表达的一致性，并且提高了AD-VQA中视觉感知和空间表达的准确性。具体而言，本文通过采用检测专家以使用数值标签来覆盖目标区域，从 ………………………………