arXiv · 机器人与计算机视觉· Anubhav Gupta, Archit Kambhamettu, Vatsal Agarwal, Pulkit Kumar, Abhinav Shrivastava·· 21 天前AI 评分67
VidParse:像专业人士一样解析第一人称操作程序
VidParse: Online Parsing of Egocentric Procedures Like a Pro
AI 导读
论文 VidParse 提出一种无需训练的活动理解框架,通过冻结基础模型提取特征并构建时序相似性矩阵来识别语义转换,利用图搜索解码器强制有效动作过渡,从而在复杂多步任务中实现高达 10 倍的精度提升。材料为 arXiv 预印本,已获 ECCV 2026 接收,提供了 GTEA 数据集的评测结果及代码实现细节。
来源:arXiv · 机器人与计算机视觉 · arxiv.org