2D_视觉语言大模型

本项目为自动驾驶领域客户提供专业化的多场景数据标注服务。我们基于客户提供的城市场景、高速场景、隧道等15类道路场景数据，结合实时画面与未来3秒预判效果图，对可能影响车辆行驶的动态/静态目标进行高精度标注。采用像素级框选技术，重点标注车辆、行人、障碍物等关键目标的三维空间坐标、运动轨迹及物理特征，同步记录目标类别（中英双语）、实时距离、色彩属性等16项核心参数。通过融合当前场景状态与未来决策预判数据，生成包含时空关系、风险等级、避让策略的结构化描述。最终交付符合国际标准的双版本JSON数据集，满足自动驾驶系统感知算法训练与决策模型优化的双重需求。