論文の概要: BD-HazardVLM: Probing Vision-Language Models for Latent Defensive-Driving Hazards in Bangladesh Road Scenes

• arxiv url: http://arxiv.org/abs/2610.20627v1
• Date: Mon, 28 Sep 2026 18:54:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-18 21:02:54.543572
• Title: BD-HazardVLM: Probing Vision-Language Models for Latent Defensive-Driving Hazards in Bangladesh Road Scenes
• Title（参考訳）: BD-HazardVLM:バングラデシュの道路シーンにおける潜在防犯ハザードの視覚言語モデルの提案
• Abstract要約: ヴィジュアル・ハザードのモデルはドライブシーンの理解にますます利用されているが、弱い構造を持つグローバル・サウスの交通下での防御的推論はいまだに不明である。 本稿ではバングラデシュの道路シーン画像のベンチマーク定義であるBD-VLMを紹介する。 我々は,共有ゼロショットタスクと構造化出力スキーマを用いて,Qwen2.5-VL-7B,InternVL3-8B,Mini-V-4.6を評価する。
• 参考スコア（独自算出の注目度）: 0.7279730418361998
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vision-language models are increasingly used for driving-scene understanding, yet their defensive reasoning under weakly structured Global South traffic remains unclear. We introduce BD-HazardVLM, a diagnostic benchmark of 500 Bangladesh road-scene images, comprising 375 from RSUD20K and 125 from TFP-BD, annotated for hazard presence, primary hazard category, risk timing, severity, defensive actions, visible evidence, and hallucination- and Western-road-bias traps. We evaluate Qwen2.5-VL-7B, InternVL3-8B, and MiniCPM-V-4.6 using a shared zero-shot task definition and structured output schema. Binary hazard-presence accuracy ranges from 88.0 percent to 89.2 percent, essentially matching the 89.0 percent majority-class baseline. Fine-grained reasoning is substantially weaker: category accuracy remains below 40 percent, risk-timing accuracy ranges from 1.6 percent to 12.4 percent, and exact defensive-action matching remains below 2 percent. Although InternVL3-8B achieves the highest severity accuracy at 61.2 percent, it has zero recall on the 58 high-severity cases. Qwen exhibits severe category mode collapse, while all models show weak latent-hazard anticipation and near-zero self-reported trap recognition. For the evaluated models, these findings show that coarse hazard recognition does not imply reliable fine-grained defensive-driving reasoning and motivate geographically diverse safety evaluation.
• Abstract（参考訳）: 視覚言語モデルはドライブシーンの理解にますます使われてきているが、弱い構造を持つグローバル・サウスの交通下での防御的推論はいまだに不明である。 BD-HazardVLMは, バングラデシュの道路風景画像500点の診断ベンチマークで, RSUD20Kから375点, TFP-BDから125点, 危険の有無, プライマリハザードカテゴリー, リスクタイミング, 重症度, 防御行動, 視覚的エビデンス, 幻覚と幻覚のトラップを含む。 我々は、共有ゼロショットタスク定義と構造化出力スキーマを用いて、Qwen2.5-VL-7B、InternVL3-8B、MiniCPM-V-4.6を評価する。 バイナリハザードプレゼンス精度は88.0パーセントから89.2%まで変化しており、基本的に89.0パーセントの多数派ベースラインと一致している。 カテゴリーの精度は40%以下であり、リスク評価の精度は1.6%から12.4%、正確な防御対応のマッチングは2%以下である。 InternVL3-8Bは61.2%で最重度を達成しているが、58件の高重度ケースではリコールはゼロである。 Qwenは深刻なカテゴリーモードの崩壊を示し、全てのモデルは弱い潜在ハザード予測とほぼゼロの自己報告トラップ認識を示す。 評価モデルでは, 粗いハザード認識は, きめ細かな防御運転推論を重要視せず, 地理的に多様な安全性評価を動機付けている。

関連論文リスト

• SafeGesture: Evaluating Fine-Grained Hand Gesture Understanding in Vision-Language Models through Scenario-Conditioned Safety Interpretation [0.4779196219827507]
  モデルが手の動きからシナリオに適した安全行動を推測できるかどうかを評価するベンチマークであるSafeGestureを紹介する。 5つのモデルのうち4つは、まれに、または決して不確実性ラベルを使用しず、失敗の方向はモデルによって大きく異なる。 その結果,ジェスチャー認識よりもシナリオ条件付き安全推論が主なボトルネックであることがわかった。
  論文  参考訳（メタデータ） (2026-08-17T04:25:58Z)
• Benchmarking the Robustness of Autonomous Driving to Environmental Illusions: A Lane Perception Perspective [76.02772556944073]
  環境錯覚は自然に存在するが、現実の運転環境では見過ごされている現象である。 視覚的知覚を妨害し、シーンの誤解を招き、自動運転システムに深刻な安全リスクをもたらす。 最初のベンチマークであるLanEvil++を導入し、環境錯覚下での車線知覚の堅牢性を評価する。
  論文  参考訳（メタデータ） (2026-07-07T03:15:00Z)
• Evaluating the Robustness of Large Language Model Safety Guardrails Against Adversarial Attacks [0.0]
  大言語モデル(LLM)の安全ガードレールモデルは有害なコンテンツ生成に対する主要な防御機構として出現している。 この調査は、21の攻撃カテゴリにわたる1,445のテストプロンプトで、Meta、Google、IBM、NVIDIA、Alibaba、Allen AIから利用可能な10のガードレールモデルを評価した。
  論文  参考訳（メタデータ） (2025-11-27T03:01:09Z)
• DUAL-Bench: Measuring Over-Refusal and Robustness in Vision-Language Models [59.45605332033458]
  安全メカニズムはバックファイアし、過剰な拒絶を引き起こし、モデルが過度に注意を払って良質な要求を減らします。 既存のベンチマークは、視覚的モダリティの過剰な拒絶に体系的に対処していない。 この設定は、命令が無害であるが付随する画像には有害な内容が含まれているというような、ユニークな課題をもたらす。
  論文  参考訳（メタデータ） (2025-10-12T23:21:34Z)
• FORTRESS: Frontier Risk Evaluation for National Security and Public Safety [5.544163262906087]
  現在のベンチマークは、国家の安全と公共の安全リスクに対する安全の堅牢性をテストするのに失敗することが多い。 forTRESS:500人の専門家による敵のプロンプトと4-7のバイナリー質問のインスタンスベースのルーリックについて紹介する。 各プロンプト-ルブリックペアは、モデルオーバーリフレクションをテストするための対応する良性バージョンを持つ。
  論文  参考訳（メタデータ） (2025-06-17T19:08:02Z)
• Benchmarking Reasoning Robustness in Large Language Models [76.79744000300363]
  新規データや不完全データでは,性能が著しく低下することがわかった。 これらの結果は、厳密な論理的推論に対するリコールへの依存を浮き彫りにした。 本稿では,情報不足によって引き起こされる幻覚を利用して推論ギャップを明らかにする,Math-RoBと呼ばれる新しいベンチマークを提案する。
  論文  参考訳（メタデータ） (2025-03-06T15:36:06Z)
• CausalDiff: Causality-Inspired Disentanglement via Diffusion Model for Adversarial Defense [61.78357530675446]
  人間は、本質的な要因のみに基づいて判断するので、微妙な操作によって騙されるのは難しい。 この観察に触発されて、本質的なラベル因果因子を用いたラベル生成をモデル化し、ラベル非因果因子を組み込んでデータ生成を支援する。 逆の例では、摂動を非因果因子として識別し、ラベル因果因子のみに基づいて予測することを目的としている。
  論文  参考訳（メタデータ） (2024-10-30T15:06:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。