跳到正文
arXiv · 机器人与计算机视觉· Yichen He, Xin Huang, Yuxi Liu·· 9 天前AI 评分60

CompositionEvidence:利用冻结模型控制几何证据以提升电影构图推理

CompositionEvidence: Controlling Geometric Evidence for Cinematic Composition Reasoning with Frozen Vision-Language Models

AI 导读

针对视觉语言模型(VLM)在处理电影构图问题时对帧内几何信息利用不一致的问题,该方法从冻结的检测、深度和线条专家中提取九种可复现特征,并通过共享的 24 维表示提供外部感知工具。

来源:arXiv · 机器人与计算机视觉 · arxiv.org