Характеристики

Опубликована: 29 сен 2026

Ссылки

Hugging Face arXiv 2609.32811

PRE-ACT

samethi

Классификация видеоВидео → label

PRE-ACT оценивает на видео дорожной обстановки нарастающий риск аварии для её заблаговременного обнаружения.

0скачиваний за 30 дней0лайковвеса обновлены6 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

PRE-ACT — модель для прогнозирования дорожных аварий по видеозаписям, представленная авторами статьи «Progressive Risk Estimation for Accident Anticipation». Она анализирует видео движения и оценивает непрерывно меняющийся риск аварии: повышает оценку по мере приближения столкновения и стремится подавлять преждевременные ложные тревоги. Модель предназначена для видеоанализаторов дорожной обстановки и систем помощи водителю.

В карточке указано, что модель показала улучшения на поднаборах MM-AU и Nexar. Репозиторий содержит модель и код в формате PyTorch; сведения о лицензии в доступных данных отсутствуют.

Сценарии применения

заблаговременное обнаружение риска столкновения на видеорегистраторе
оценка нарастания риска аварии в потоке дорожного видео
подавление преждевременных ложных предупреждений в системах помощи водителю

Ограничения

Оценка качества в карточке приведена для поднаборов MM-AU и Nexar; данных о переносе на другие условия съёмки и дорожные сценарии нет.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

PRE-ACT: Progressive Risk Estimation for Accident Anticipation

This repository hosts the model and code for the paper Progressive Risk Estimation for Accident Anticipation.

The model estimates a continuously evolving accident risk signal from driving videos, progressively increasing the risk as a crash approaches while suppressing premature false alarms. It is designed for video-based accident anticipation and achieves significant improvements on MM-AU subsets and Nexar.

For code, training details, and inference scripts, please refer to the GitHub repository.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов: 0b210e4