跳到正文
arXiv · 机器人与计算机视觉· Mengzhe Geng, Max W. Y. Lam, Yuewen Cao, Shoukang Hu, Jing Xu, Marc Tessier, Xu Li·· 2026-10-16AI 评分39

CIViC:面向代理任务的音频条件视觉预测证据门控协议

CIViC: Evidence Gates for Audio-Conditioned Visual Prediction on Proxy Tasks

AI 导读

CIViC 提出一种四重门控协议,通过关联解释与干预、保留任务比较或端点控制来验证视觉预测器对音频信息的真实依赖。实验在演员分离人脸栅格测试及 SpeakerVid 代理任务中证实:静态测试下跨演员音频替换符合检测规则且效应微小;合成混合数据中条件增强拟合的千步 RMSE(0.1807)高于仅音频拟合(0.1707)。该工作表明输出激活、保留误差与端点控制在不同代理任务中支持差异化的解释结论。

来源:arXiv · 机器人与计算机视觉 · arxiv.org