Zero-Shot Distracted Driver Detection via Vision Language Models with Double Decoupling
비전-언어 모델(VLM) 기반 제로샷(zero-shot) 운전 중 주의 분산 감지에서 운전자의 외형(의복, 나이, 성별 등) 변수가 행동 단서와 혼재되는 문제를 해결하기 위해, 운전자별 평균 임베딩을 차감하는 외형 디커플링(DAD)과 Stiefel 매니폴드 투영을 통한 텍스트 임베딩 직교화(TEO)를 결합한 이중 디커플링 프레임워크를 제안한다. SAM-DD 및 StateFarm 벤치마크 실험에서 DriveCLIP 대비 일관된 성능 향상을 달성하였다.