跳到正文
arXiv · 机器人与计算机视觉· Long Zhou, Luca Zanella, Paolo Rota, Massimiliano Mancini, Elisa Ricci·· 20 天前精选AI 评分78

无需训练的分层步骤分解用于在线视频步骤定位

Hierarchical Step Decomposition for Training-free Online Video Step Grounding

AI 导读

针对现有方法需离线处理或依赖固定长度片段导致噪声的问题,本文提出 Hierarchical Step Decomposition (HSD),一种利用多模态大模型能力的无需训练框架。

推荐理由

提出无需训练的在线视频步骤定位框架,通过分层分解提升时序定位精度与推理速度。

来源:arXiv · 机器人与计算机视觉 · arxiv.org