跳到正文
arXiv · 机器人与计算机视觉· Minsak Nanang, Adrian Hilton, Armin Mustafa·· 23 天前AI 评分42

CaGMulA:资源与监管约束下的博物馆视频目录 grounding 多模态归因系统

Catalogue-Grounded Multimodal Attribution for Museum Video under Resource and Regulatory Constraints

AI 导读

CaGMulA 提出一种本地部署管道,结合视频语言模型、结构化目录检索及弃选感知决策策略,仅在证据充分时生成标题与艺术家归属。在 VideoLLaMA2 和 Qwen2-VL 的四种配置下测试显示,保守开放生成覆盖率为 0%,而闭集目录检索实现 100% 覆盖且正确率 62%,混合验证模式将覆盖率降至 50% 但正确率提升至 78%。

来源:arXiv · 机器人与计算机视觉 · arxiv.org