arXiv · 机器人与计算机视觉· Jiashu Liao, Joanne Garde-Hansen, Sanjay Sharma, Tanaya Guha·· 15 天前AI 评分38
VISTA:首个面向长视频在线人脸聚类的视觉语言框架
VISTA: Vision-Language Integrated Semantic Triage Architecture for Online Face Clustering in Long Videos
AI 导读
VISTA 是首个利用语义推理实现长视频在线人脸聚类的视觉语言框架,有效应对光照、姿态及服饰变化带来的挑战。在包含《生活大爆炸》等剧集的 VPCD 基准数据集上,该方法在相同检测器与评估协议下,精度和召回率平衡均优于最强无监督基线 COFC。代码与补充材料已公开,论文已被 ACM Multimedia 2026 接收。
来源:arXiv · 机器人与计算机视觉 · arxiv.org