.png){kind=icon}
返回
DiffCTRG: A Diffusion Model for City-Level Traffic Report Generation
.png){kind=icon}
PRE
AI
DOI：10.1109/tcss.2026.3718932.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着智能交通时代海量交通数据的积累，自动化城市级交通报告生成（CTRG）已成为一项重要应用。CTRG旨在从交通数据中自动生成道路状况的文本摘要。它可作为交通管理的新辅助决策工具，有助于减轻交通管理人员的 workload，并进一步提高交通系统管理的效率。然而，与传统的图像描述生成任务类似，CTRG面临着建模不同模态数据之间关联的挑战。受扩散模型在跨模态数据生成方面卓越能力的启发，本文引入了CTRG任务的首个基准方法，命名为基于扩散的CTRG（DiffCTRG）。在DiffCTRG中，我们使用分拆双向Transformer编码器表示（BERT）将文本描述映射到潜在空间，旨在弥合连续扩散过程与离散文本数据之间的差异。此外，在推理过程中采用再推理策略，根据文本属性增强不同标记之间的相关性。在Beijing text-traffic（BjTT）数据集上的大量实验表明，DiffCTRG在生成高质量交通报告方面具有有效性，为该任务建立了基准。
Keyword:
Diffusion model
multimodal learning
traffic report generation (TRG)
期刊
IF:
4.9
论文数:
613
被引数:
6.8K
机构
查看更多机构
引用论文
暂无论文信息