Dapalm | IMS技术前沿

GazeAnywhere：可提示的视线目标估计基础模型 | CVPR 2026 论文解读论文信息 项目 内容 标题 Gaze Target Estimation Anywhere with Concepts 作者 Xu Cao, Houze Yang, Vipin Gunda, Zhongyi Zhou, Tianyu Xu, Adarsh Kowdle, Inki Kim, James M. Rehg 会议 CVPR 2026 链接 arXiv:2608.11367 代码 GitHub: IrohXu/GazeAnywhere 模型权重 HuggingFace: IrohXu/GazeAnywhere 数据集 Gaze-Co (120K 标注图像对) 核心创新GazeAnywhere 首次提出 Promptable Gaze Target Estimation (PGE) 任务：通过自然语言或视觉提示指定 gaze 分析的对象，端到端完成人物定位 + 视线目标估计。 三大突破： 消除多阶段流水线 — 不再需要单独的人脸...

基于图神经网络的多模态情感识别：GNN融合EEG+面部+生理信号在座舱中的应用论文信息 项目 内容 标题 Enhancing emotion recognition through multi-modal data fusion and graph neural networks 期刊 High-Confidence Computing (Elsevier) 发布 2025年8月22日 链接 https://www.sciencedirect.com/science/article/pii/S266652122500095X 核心 GNN 融合 EEG + 面部表情 + 生理信号的情感识别 核心创新提出基于图神经网络（GNN）架构的多模态情感识别系统，将 EEG、面部表情、生理信号（PPG/EDA/HRV）统一建模为图结构，通过消息传递和节点聚合实现跨模态特征融合，显著优于传统拼接融合方法。 1. 研究背景1.1 多模态情感识别的挑战 挑战 描述 传统方案 模态异构 EEG(时序)、面部(图像)、生理(标量)格式不同 分...

InCarEmo：首个座舱多模态情感对话数据集论文解读与IMS开发启示论文信息 项目 内容 标题 InCarEmo: A Multimodal Dataset for In-Cabin Emotion Recognition and Driver State Monitoring 作者 Hao Yang, Yanyan Zhao, Kewei Zhao, Hongbo Zhang, Tian Zheng, Yusheng Liu, Xing Fu, Bichen Wang, Yu Zhang, Hao He, Zhen Wu, Xuda Zhi, Yongbo Huang, Bing Qin 机构 哈尔滨工业大学（HIT）+ 赛力斯（SERES） 领域 cs.AI 发布 2026年7月16日 链接 https://arxiv.org/abs/2607.14683 PDF https://arxiv.org/pdf/2607.14683 核心创新InCarEmo 是首个同时整合 RGB + 红外视频 + 座舱音频 + 对话文本的座舱情感数据集，...

MDERNet双分支情感识别：面部+驾驶行为融合在智能座舱中的应用论文信息 项目 内容 标题 AI-enabled intelligent cockpit proactive affective interaction: middle-level feature fusion dual-branch deep learning network for driver emotion recognition 期刊 Advances in Manufacturing (Springer Nature) 发布 2024年9月4日 (2025年正式出版) 链接 https://link.springer.com/article/10.1007/s40436-024-00519-8 作者 Wu YZ, Li WB, Liu YJ et al. 核心 MDERNet: 双分支中层级特征融合的驾驶员情感识别 核心创新提出 MDERNet（Multimodal Driver Emotion Recognition Network），采用中层级特征融合策略，将驾驶员...

NVIDIA Omniverse + Isaac Sim 2026：DMS/OMS合成数据生成管道建设指南背景DMS/OMS 开发面临的核心瓶颈是真实数据不足：疲劳场景危险且难以大规模采集，遮挡/极端光照/多乘员组合等长尾场景数据稀缺。NVIDIA Omniverse + Isaac Sim + Cosmos 构建了完整的合成数据生成（SDG）管道，可物理精确地生成无限量标注数据。 2026 NVIDIA 合成数据生态 graph TD A[NVIDIA Omniverse<br/>3D仿真基础平台] --> B[Isaac Sim<br/>机器人/感知仿真] A --> C[Cosmos<br/>世界模型生成] A --> D[Omniverse NuRec<br/>真实驾驶重建] B --> E[DMS/OMS合成数据] C --> F[长尾场景生成] D --> G[真实驾驶数字化] ...

Qualcomm AI Hub + QNN：DMS模型在高通车规NPU上的部署实战背景Qualcomm AI Hub 是高通2026年推出的模型部署平台，提供优化后的SOTA模型直接部署到高通芯片。结合 QNN（Qualcomm Neural Network）SDK，可在 QCS8295/8255 的 Hexagon NPU 上高效推理 DMS 模型。 Qualcomm AI Hub 概览核心能力 能力 说明 DMS应用 模型优化 自动量化+算子融合 DMS模型压缩4x NPU加速 Hexagon NPU推理 延迟<10ms 设备部署 直接推送到目标设备 远程调试 基准测试 模型延迟/内存/功耗 选型依据 开源模型库 预优化SOTA模型 直接复用 支持的DMS相关模型 模型 任务 参数量 延迟(QCS8295) 适用场景 MobileNetV3 分类 5.4M 2.1ms 眼睛开闭分类 EfficientDet-Lite 目标检测 3.2M 8.5ms 人脸/手部检测 MediaPipe...

安全带误用检测技术路线：从简单检测到误用分类 | IMS落地指南背景Euro NCAP 2026 OMS 协议新增安全带状态检测要求，包括：未系安全带、安全带错误佩戴（误用）。传统安全带检测仅判断”系/未系”，但 NCAP 2026 要求识别误用模式：安全带在身后、安全带夹在腋下、安全带未锁扣等。 安全带状态分类六类安全带状态 类别 描述 检测难度 Euro NCAP 要求 正常佩戴 肩带跨胸前，腰带跨骨盆 ✅ 易 必须 未系 无安全带 ✅ 易 必须 身后佩戴 安全带绕到身后 ⚠️ 中 2026新增 腋下佩戴 肩带从腋下穿过 ⚠️ 中 2026新增 未锁扣 安全带拉出但未插入扣环 ⚠️ 中 2026新增 儿童座椅干扰 安全带与儿童座椅缠绕 ❌ 难 未来 检测技术路线对比 方案 输入 优势 劣势 误用检测 安全带锁扣传感器 机械信号 100%可靠(系/未系) ❌ 无法检测误用 ❌ 摄像头视觉 RGB/NIR图像 可检测误用模式 受遮挡/光照影响 ✅ 深度相机ToF 深度图 可检测3D位置 成...

L2→L3自动驾驶接管就绪度：Tobii单一摄像头DMS+OMS方案深度解读背景自动驾驶从 L2 向 L3 演进的核心挑战不是”车辆能不能自己开”，而是人机协作是否可信赖。Tobii Autosense 在 InCabin USA 2026 (底特律) 提出了从”监控驾驶员”到”支持人机协作”的理念转变。 核心理念：从监控到理解传统DMS vs 未来DMS 维度 传统DMS Tobii未来方案 目标 监控驾驶员是否在看路 理解驾驶员是否准备好接管 问题 “驾驶员在看哪里？” “这个行为在当前场景合理吗？” 响应 不在路就警告 按情境智能干预 交互 单向：系统→人 双向：人机协作 信任 驾驶员感觉被监视 驾驶员信任系统 接管就绪度三维模型Tobii 提出接管就绪度的三个维度： graph TD A[接管就绪度] --> B[Availability<br/>可用性<br/>身体能否接管?] A --> C[Capability<br/>能力<br/>心智是否准备好?] ...

UWB雷达儿童遗留检测（CPD）技术全解析：从原理到量产 | 技术深度解读技术背景Euro NCAP 2026 协议要求所有新车标配 Child Presence Detection (CPD) 功能。与传统重量传感器或摄像头方案不同，UWB（超宽带）雷达已成为 CPD 的主流技术路线。2026年8月，NXP Trimension NCJ29D6 被 BMW Group 选为其 2026 车型量产方案，YFORE 也推出了多场景 UWB 雷达感知产品线。 UWB CPD 原理详解1. 工作原理 graph TD A[UWB 传感器<br/>车内安装] --> B[发射超短脉冲<br/>sub-nanosecond] B --> C[脉冲反射<br/>穿透座椅/毯子/衣物] C --> D[接收回波信号] D --> E[Channel Impulse Response<br/>CIR 数据集] E --> F[静态物体: 恒定ToF] E --> G...

VLM 路怒推理：视觉语言模型在驾驶员情绪预警中的前沿探索论文信息 项目 内容 标题 Road Rage Reasoning with Vision-language Models (VLMs): Task Definition and Evaluation Dataset 作者 Yibing Weng, Yu Gu, Fuji Ren 机构 电子科技大学 (UESTC) 链接 https://arxiv.org/abs/2503.11342 发布 2025年3月14日 核心创新首次提出路怒推理任务（Road Rage Reasoning Task），利用视觉语言模型（VLM）从行车记录仪视频推理路怒触发事件，实现前置预防（antecedent-focused regulation）而非事后抑制。 1. 问题定义1.1 传统路怒检测 vs 路怒推理 维度 传统路怒检测 VLM 路怒推理 触发时机 愤怒已发生 愤怒形成前 输入 生理信号/面部表情 行车记录仪视频 输出 愤怒/非愤怒 触发事件 + 场景理解 + 推理...