跳到正文
arXiv · 机器人与计算机视觉· Zixuan Chen, Depeng Wang, Hao Lin, Ke Xu, Ya Guo, Huijia Zhu, Tanfeng Sun, Xinghao Jiang·· 2026-10-20AI 评分45

OmniGround:通过注意力一致性训练强化多模态时序定位能力

OmniGround: Strengthening Omni-Modal Temporal Grounding via Attention-Consistency Training

AI 导读

OmniGround 提出 TACG 方法,利用内部注意力作为可靠的时间锚点对齐预测与真值,构建 580K 样本数据集进行后训练。该模型在 LongVALE 和 UnAV-100 基准上分别达到 37.5 mIoU 和 35.7 mIoU,实现了多模态时序定位的最先进水平,同时保持通用音视频理解与纯视觉定位的竞争力。

来源:arXiv · 机器人与计算机视觉 · arxiv.org