FLaRA：预测事故预期的未来潜在表示

通过行车记录仪视频预测交通事故是智能交通系统中的一项关键挑战。现有方法通常将视觉上下文直接映射到碰撞概率，而无需明确建模驾驶场景的未来演变。在本文中，我们提出了 FLaRA（预测事故预期的未来潜在表示），这是一种新颖的预测架构，它通过预测事故预期的未来潜在表示来改变这种范式。我们的模型以视频联合嵌入预测架构 (V-JEPA2) 为基础，在观察到的上下文帧上调节预测器网络，以预测场景即将出现的潜在特征。然后，分类器对这些预测的未来表示进行操作，而不仅仅是对过去的观察进行操作。为了确保这些预测仍然基于现实的未来动态，我们引入了一个联合训练目标，该目标同时优化辅助特征级重建损失和交叉熵分类损失。对 Nexar 数据集的广泛评估，以及对 DAD、DADA-2000 和 DoTA 基准的跨域验证，表明我们的方法实现了最先进的性能，同时保持了现实的早期预警能力。