DELTAVID：利用跨视频差异增强细粒度时空感知
英文标题：DELTAVID: Enhancing Fine-Grained Spatiotemporal Perception with Cross-Video Differences
新发布的arXiv论文DELTAVID针对视频多模态大语言模型局部时空感知能力不足的问题，提出通过对比全局语义相似、仅在短时间窗口内存在差异的视频来增强细粒度理解。当两段视频几乎相同，只在一小段时空内发生变化时，模型可学习捕捉细微差别。该方法有望改善视频异常检测与精细动作识别等任务的表现，为开发者构建更精准的视频分析智能体提供新思路。
打开原文相关 2.4 · 机会 0
2.6 KB
2.1 KB
612 B
380 B
9.1 KB
22.8 KB
24.2 KB
34.7 KB
中文
arXiv:2607.02551v1 公告类型：新
摘要：视频多模态大语言模型在开放式视频理解方面取得了显著进展，但在精确的局部时空感知上仍存在不足。当两个视频的全局语义几乎相同，仅在短暂的时间跨度内有所不同时……
BibTeX 格式引用
（引用内容未提供）
English / 原文
BibTeX formatted citation
×