인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
Recent advances in vision-language models (VLMs) have enabled integrated visual perception and language understanding for autonomous driving. However, the high computational cost of large-scale VLMs limits their practical deployment in real-time systems. In this study, we revisit the common assumption that jointly training the Q-Former improves adaptability in End-to-End autonomous driving. Through empirical analysis, we demonstrate that training the Q-Former can, in some cases, hinder performance by introducing representational bottlenecks or disrupting pre-trained visual semantics. Instead, we show that applying Low-Rank Adaptation (LoRA) to the language model alone achieves better accuracy with significantly fewer trainable parameters. Our findings highlight the importance of careful architectural tuning and suggest that simpler adaptation strategies may be more effective for real-world VLM deployment in autonomous driving.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-094554224
