arXiv · 机器人与计算机视觉· Yuqi Guo, Michael Wray·· 4 小时前AI 评分63
Better Retrieval, Not Better Binding:自摄视频检索中预训练暴露的诊断分析
Better Retrieval, Not Better Binding: Pretraining Exposure in Egocentric Video Retrieval
AI 导读
针对视频语言模型在自摄视频理解中的组合关系理解局限,本文引入 Ego-ExBind 协议,基于 EgoClip 预训练语料构建暴露账本并划分未见组合与原子集。研究通过受控名词替换和动词替换负样本发现,零样本检索性能主要关联于已见组合的成对暴露而非真正的组合关系理解。
来源:arXiv · 机器人与计算机视觉 · arxiv.org