arXiv cs.AI· Izzeddin Teeti, Vaibhav Kango, Nidhi Sridhar, Mohamed Moustafa·· 10 小时前AI 评分29
多模态图注意力实现道路封闭映射，精度超前沿视觉语言模型 28 个百分点
Multimodal Road Closure Mapping via Cross-Modal Graph Attention
AI 导读
研究者提出统一多模态多任务框架，在单一架构内联合完成道路封闭分类（无/部分/完全）与路段关联，融合图结构地图数据、卫星影像和街景图像，通过跨模态 Transformer 注意力显式推理视觉线索与路网拓扑。
正文 · AI 翻译
摘要：准确及时地识别道路封闭对于大规模导航和物流系统至关重要，但由于需要联合推理视觉证据、空间上下文和路网拓扑，这一任务仍然具有挑战性。现有方法要么依赖人工地图更新，要么专注于检测与封闭相关的对象，而未能确定受影响的具体路段。在本工作中，我们引入了一个统一的多模态多任务框架，在单一学习架构中联合执行道路封闭分类（无、部分、完全）和路段关联。我们的模型使用模态特定的编码器和跨模态 transformer 注意力，整合图结构地图数据、经投影街景检测增强的卫星影像以及街景图像，从而能够对视觉线索和网络拓扑进行显式推理。在从大规模商用车队收集的近 2 万个真实场景上进行评估，我们的方法实现了 72.7% 的封闭分类准确率和 60% 的路段关联准确率，在封闭分类上比前沿视觉语言模型高出 28 个百分点以上，同时模型规模小 4,000 倍以上、推理速度快 100 倍。大量消融实验证明了跨模态注意力、边感知池化和图消息传递对于准确地理空间推理的重要性。本工作建立了首个联合道路封闭分类和路段级归因的基准，并表明任务特定的架构归纳偏置在结构化地理空间理解方面显著优于通用多模态模型。
| 评论： | 发表于 ACM SIGSPATIAL 2026。11 页，4 幅图 |
| 主题： | 计算机视觉与模式识别 (cs.CV)；人工智能 (cs.AI) |
| ACM 分类： | I.2.10; I.4.8; H.2.8 |
| 引用为： | arXiv:2611.13192 [cs.CV] |
| （或 arXiv:2611.13192v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.13192 由 DataCite 颁发的 arXiv DOI（待注册） |
|
| 相关 DOI： | https://doi.org/10.1145/3841645.3843276
链接到相关资源的 DOI |
提交历史
来自：Izzeddin Teeti [查看电子邮件]
[v1]
2026 年 11 月 9 日星期一 20:13:18 UTC（17,543 KB）
来源：arXiv cs.AI · arxiv.org