跳到正文
arXiv · 机器人与计算机视觉· Tengju Ru, Weitong Lian, Zecong Tang, Lingyi Meng, Haoran Li, Zhejun Cui, Yichen Zhu, Hangshuo Cao, Qi Kang, Yechi Liu, Kaixuan Wang, Yu-Jie Yuan, Chunwei Wang, Yu Zhang, Bo Dai·· 15 天前AI 评分48

VidUEU-Agent:用于多模态理解、编辑与统一任务的自动数据策展智能体

VidUEU-Agent: A Data-Curation Agent for Multimodal Understanding, Editing, and Unified Tasks

AI 导读

VidUEU-Agent 提出一种四阶段自动化管线,从原始视频中合成指令数据以支持多模态理解、编辑及统一任务。该框架能基于下游训练结果自主迭代数据分布,优化质量与平衡性,并构建了包含 10 万样本的 VidUEU-100K 数据集。实验表明,在基准测试上微调基线模型可取得显著且一致的性能提升。

来源:arXiv · 机器人与计算机视觉 · arxiv.org