StateTrace：面向长视频隐藏状态时空推理的对象中心框架

英文标题：StateTrace: An Object-Centric Framework for Hidden-State Spatiotemporal Reasoning in Long Videos

论文提出 StateTrace，一种面向长视频隐藏状态时空推理的对象中心框架。现有视觉语言模型（VLM）在视频理解任务中已表现出较强能力，但当目标对象暂时不可见时，往往难以进行长时程时空推理，并会将“不可见”误判为“未知”。该研究将这一问题定义为隐藏状态推理挑战，旨在提升模型对视频中对象持续状态的追踪与推断能力。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB