GHR-VLM은 시각적 기반 하이브리드 추론 프레임워크로, 교통 버스 영상 분석을 위한 제로샷 접근 방식을 제시합니다. 기존 VLM의 한계를 극복하기 위해 문맥에 맞는 승객 중심의 시공간적 증거를 활용합니다.
경량화된 엣지 기반 모니터가 문 상태를 추적하고 승객 클립을 분할하며, 백엔드 VLM은 이를 통해 승하차 승객을 식별하고 결제 행동을 분류합니다.
실제 버스 감시 영상 평가 결과, GHR-VLM은 클라우드 추론을 줄이고, 결제 관련 훈련 데이터 없이 승객 수준의 결제 분석을 가능하게 합니다.