शोधकर्ताओं ने AUTOPILOT-VQA प्रस्तुत किया, जो एक नया दृश्य प्रश्नोत्तर (VQA) बेंचमार्क है जिसे डैशकैम वीडियो में सुरक्षा-सम्बंधित घटनाओं के बारे में दृश्य-भाषा मॉडल कितनी अच्छी तरह तर्क करते हैं, इसका मूल्यांकन करने के लिए डिज़ाइन किया गया है। डेटासेट वास्तविक दुनिया की ड्राइविंग स्थितियों पर आधारित संरचित प्रश्नों का उपयोग करता है ताकि केवल वस्तु पहचान से परे मॉडल क्षमताओं का आकलन किया जा सके।
- बेंचमार्क में मौसम, प्रकाश, सड़क की व्यवस्था, संकेत और दुर्घटना से बचाव जैसी विविध सुरक्षा-सम्बंधित श्रेणियाँ शामिल हैं।
- इससे मॉडलों को दृश्य के संदर्भगत गुणों और विशिष्ट घटना-स्तर की घटना विवरण दोनों के बारे में आधारित प्रश्नों के उत्तर देने की आवश्यकता होती है।
- यह दृष्टिकोण स्वचालित ड्राइविंग प्रणालियों के लिए कालिक रूप से आधारित और सुरक्षा-सचेत तर्क पर ध्यान केंद्रित करता है।
- मानकीकृत मूल्यांकन उपकरण प्रदान करने के लिए डेटासेट AUTOPILOT CVPR 2026 प्रतियोगिता का हिस्सा के रूप में जारी किया गया है।
लेखकों का मानना है कि यह महत्वपूर्ण है क्योंकि यह वास्तविक दुनिया की स्वचालित ड्राइविंग के लिए अधिक व्याख्या योग्य और मजबूत दृश्य-भाषा प्रणालियों के विकास का समर्थन करता है।