arXiv · 机器人与计算机视觉· Jiyuan Wang, Huan Ouyang, Jiuzhou Lin, Chunyu Lin, Dewen Fan, Boheng Zhang, Haonan Fan, Honglie Wang, Yiyang Fan, Zhenlong Yuan, Yongrui Heng, Guosheng Lin, Fan Yang·· 20 天前精选AI 评分83
CaC:一种基于层级时空聚焦的视频奖励模型
CaC: Advancing Video Reward Models via Hierarchical Spatiotemporal Concentrating
AI 导读
论文提出 CaC(Concentrate and Concentrate),这是一种基于视觉语言模型的粗到细粒度异常奖励模型。该模型首先进行全局时间扫描以锚定异常窗口,随后在局部区间内进行精细的空间定位,最后通过结构化的时空思维链推理得出稳健判断。
推荐理由
提出基于 VLM 的层级时空异常奖励模型 CaC,通过构建首个带细粒度标注的合成视频异常数据集及强化学习训练范式,在基准测试中提升精度并降低生成视频中的异常比例。
来源:arXiv · 机器人与计算机视觉 · arxiv.org