arXiv · 机器人与计算机视觉· Minjoon Jung, Byoung-Tak Zhang, Lorenzo Torresani·· 23 天前精选AI 评分78
EvoGround:用于视频时序定位的自进化视频智能体
EvoGround: Self-Evolving Video Agents for Video Temporal Grounding
AI 导读
论文介绍 EvoGround 框架,由提议者和求解者两个耦合的自进化智能体组成,能从原始视频中学习无需任务特定标注的视频时序定位。该框架通过强化学习循环让两个基于相同主干网络的智能体相互改进。在 2.5K 无标注视频上训练后,EvoGround 在五个基准测试中匹配或超越大多数全监督模型,并展现出细粒度视频描述能力。所有资源已公开。
推荐理由
提出 EvoGround 框架,利用两个自进化智能体在无标注视频上实现时序定位,在五个基准测试中表现优于多数全监督模型。
来源:arXiv · 机器人与计算机视觉 · arxiv.org