知识点 › 场景挖掘与标注
场景检索
Scenario Retrieval
定义
四类入口：标签/结构化查询、图像相似（以图搜图）、轨迹相似（DTW/形状匹配）、自然语言（「找雨天夜里电动车逆行」）。检索质量决定挖长尾的效率上限。
关键要点
- 自然语言检索（CLIP/多模态大模型）是近两年最大的体验跃迁
- 检索结果要能「按相似度排序 + 显示缩略图」，否则没法快速筛
- 要支持「排除已标注」，避免重复劳动
面试怎么答
讲「标签 + 向量 + 文本」三入口，并说清各自适合什么场景。
相关知识
- 检索与索引 — 三类检索：①结构化（SQL/标签/时间/地理）；②向量（图像/点云/轨迹特征相似度）；③混合（先标签过滤再向量排序）。…
- Milvus 向量数据库 — 分布式向量数据库：Proxy 接入与路由、Query Node 检索、Index Node 建索引、Data Node…
- 长尾样本挖掘 — 专门捞「低频高危害」：规则枚举（异形车/施工区/动物）、相似度扩展（以图搜图找同类）、场景组合生成、失败案例聚类。长尾…
- 预训练与自监督 — 在大规模无标注数据上预训练（MAE、对比学习、掩码点云建模、视频预测），再下游微调。智驾里可显著降低对标注的依赖，尤其…
- 数据挖掘与检索 — 在解析后的数据上做「找人」：UGC 检索（用户/安全员上报的片段）、向量检索（以图搜图、场景相似）、标签组合检索。输出…
- 难例挖掘 — 从海量数据中把「模型表现差」的片段捞出来：基于失败事件（接管/AEB）、基于模型指标（低置信/高损失）、基于一致性、基…