跳到正文
arXiv · 机器人与计算机视觉· Gen Li, Yutong Chen, Yiqian Wu, Kaifeng Zhao, Marc Pollefeys, Siyu Tang·· 14 天前AI 评分70

EgoM2P:面向首视角的多模态多任务预训练模型

EgoM2P: Egocentric Multimodal Multitask Pretraining

AI 导读

该论文介绍 EgoM2P,一个针对首视角(egocentric)视频的深度理解框架。面对 RGB、深度、姿态和视线等多模态数据异构及伪标签生成的挑战,作者提出高效的时间分词器与掩码建模方法。

来源:arXiv · 机器人与计算机视觉 · arxiv.org