arXiv · 机器人与计算机视觉· Yangchen Yu, Taoliang Wang, Jia Li, Nor Mazlina Ghazali, Mohd Nazim Mohtar, Bingkun Bao, Richang Hong·· 9 天前AI 评分5
SEST 模型在 MEE2026 基准测试中获第一名
Semantic-Enhanced Sparse Temporal Modeling for Dynamic Engagement Estimation in Multimodal Interactions
AI 导读
SEST 框架利用多模态大语言模型提取语义嵌入,并通过稀疏到稠密的路径替代传统密集时序建模以解决计算冗余问题。该方案在 MEE2026 基准测试中实现动态参与度估计任务的第一名成绩。研究论文已上传至 arXiv,属于预印本状态且未明确开源代码或权重许可。
来源:arXiv · 机器人与计算机视觉 · arxiv.org