跳到正文
arXiv · 机器人与计算机视觉· Xiang Fang, Wanlong Fang, Junhao Dong, Daizong Liu·· 8 天前AI 评分42

ABRR:利用 Wasserstein 自适应细化与精度排序提升时序句子定位性能

ABRR: Transforming Temporal Sentence Grounding with Wasserstein-Adaptive Refinement and Precision Ranking

AI 导读

ABRR 框架通过高斯核平滑、最优传输边界细化和质量驱动重排序,在不重新训练的前提下显著提升 Charades-STA、ActivityNet Captions 及 QVHighlights 数据集在 IoU=0.7 等严苛阈值下的时序句子定位精度。该方法有效修正了时间下采样导致的量化误差与语义匹配排名次优问题,具备计算高效且兼容现有模型的特性,适用于视频检索与交互等真实场景。

来源:arXiv · 机器人与计算机视觉 · arxiv.org