摘要
本文提出 OmniTraffic，一个用于时空交通推理的可控生成流水线与基准。针对现有基准局限于被动视觉识别的问题，该研究基于真实路口重建可编辑 3D 环境，构建涵盖场景感知、多视图及时序推理的三层任务体系。通过结构化元数据生成了 800 万同步多视图 VQA 样本及人工验证测试集。评估显示前沿多模态大模型在拓扑 grounding 和时空推理上存在显著缺陷，而利用模拟数据微调可显著提升真实场景性能，证明了仿真监督对特定领域推理的价值。
AI 推荐理由
论文核心构建时空交通推理基准，评估并提升 MLLM 在拓扑与时空维度的推理能力。
研究机构
The Chinese University of Hong Kong, Shenzhen
Shanghai AI Lab
Nanyang Technological University
The Hong Kong University of Science and Technology (Guangzhou)
The Chinese University of Hong Kong
论文信息