跳到正文
arXiv · 机器人与计算机视觉· Yuanhe Tian, Yan Song·· 8 天前AI 评分68

LASER:一种用于视频对象状态读取的预期引导智能体

Looking One Step Ahead: An Anticipation-guided Agent for Object State Readout in Videos

AI 导读

论文提出了 LASER(Look-ahead State Readout),这是一种利用预期引导的智能体,旨在解决多模态大语言模型在描述视频帧中目标物体状态时属性指定不足的问题。

来源:arXiv · 机器人与计算机视觉 · arxiv.org