Event-STVG：面向长程事件推理的时空视频定位
英文标题：Event-STVG: Spatio-Temporal Video Grounding for Long-Form Event Reasoning
本文针对时空视频定位（Spatio-Temporal Video Grounding, STVG）任务提出 Event-STVG，着力解决现有基准主要局限于通过特定实例描述定位目标的瓶颈。研究重点转向更具挑战性的长程事件推理，探索复杂时间与空间跨度下的目标精准联合定位。该成果对推进多模态大模型、长视频理解以及具身智能视频感知等领域的发展具有积极的参考价值。
打开原文相关 4 · 机会 0
2.1 KB
640 B
612 B
380 B
9.1 KB
32.7 KB
22.8 KB
24.2 KB
34.7 KB
中文
arXiv 编号：arXiv:2610.22444v1
发布类型：new
摘要
时空视频定位（Spatio-Temporal Video Grounding，STVG）旨在根据给定的自然语言查询，在空间和时间维度上联合定位目标。尽管该方向持续取得进展，但现有的 STVG 基准很大程度上仍以通过特定实例的描述来定位目标为核心……
BibTeX 格式引用
English / 原文
BibTeX formatted citation
×