跳到正文
arXiv · 机器人与计算机视觉· Yuqi Tang, Yang Shi, Yuran Wang, Tengfei Liu, Rundong Wang, Zongyang Qiu, Qixun Wang, Zhuoran Zhang, Xuanyu Zhu, Yifan Xu, Yiyan Ji, Shujie Li, Shixuan Liu, Haotian Wang, Yuanxing Zhang, Pengfei Wan, Chengwei Qin·· 4 小时前精选AI 评分78

EgoCaptioner:面向全面精细的第一人称视频描述

EgoCaptioner: Towards Comprehensive and Fine-Grained Egocentric Video Captioning

AI 导读

该论文提出 EgoCaptioner 模型及粗到细的标注流程,结合姿态推导的运动事实增强监督信号,在五个第一人称视频基准测试中实现开源模型领先的描述质量、问答与时间对齐性能,并超越 Gemini 3.1 Pro 等闭源基线。

推荐理由

提出 EgoCaptioner 模型与粗到细标注流程,在五个基准上实现开源领先性能并超越闭源基线。

来源:arXiv · 机器人与计算机视觉 · arxiv.org