arXiv · 机器人与计算机视觉· Haofan Cao, Zhichao You, Yunkai Yang, Liang Guo, Jie Wang, Chongshou Li·· 5 小时前AI 评分35
Déjà Cue:通过词汇相对坐标在物体历史中定位状态
D\'ej\`a Cue: Localizing States in Object Histories via Vocabulary-Relative Coordinates
AI 导读
Déjà Cue 是一种无需训练的框架,利用冻结的视觉语言编码器,将描述嵌入中心对齐于平衡状态的词汇均值以校准帧分数并检索时间区间。该方法基于 MS-VOST 数据集(含 620 个物体历史与 2,465 个状态),在八种编码器配置下使 Top-1 时序 IoU 提升 0.42--1.14 个百分点,且增益跨四种文本构建均持续存在。代码已公开于 GitHub 链接。
来源:arXiv · 机器人与计算机视觉 · arxiv.org