Jun, 2024
利用多模态大型语言模型在热像中检测对象：交通应用
The Use of Multimodal Large Language Models to Detect Objects from Thermal Images: Transportation Applications
Huthaifa I. Ashqar, Taqwa I. Alhadidi, Mohammed Elhenawy, Nour O. Khanfar
TL;DR研究表明，多模态大型语言模型（Multimodal Large Language Models，MLLMs）与热像数据的集成对提高自动驾驶系统和智能交通系统（ITS）应用的安全性和功能性构成了一个令人兴奋的机遇。该研究探讨了 MLLM 是否能够理解来自 RGB 和热像相机的复杂图像，并直接检测物体。结果表明，GPT-4 和 Gemini 在热像中检测和分类物体方面都非常有效，并且可以应用于 ITS 应用的先进成像自动化技术。