arXiv · 机器人与计算机视觉· Weihuang Lin, Xianing Chen, Zhibin Wang, Congzhi Zhang, Yiwei Ma, Jiayi Ji, Miao Chen, Jun Song, YuCheng, Bo Zheng, Xiaoshuai Sun, Rongrong Ji·· 22 天前AI 评分45
MVRCap:通过分层多维可验证奖励实现全面视频描述
MVRCap: Towards Comprehensive Video Captioning via Hierarchical Multi-Dimensional Verifiable Rewards
AI 导读
MVRCap 框架将视频描述重构为受结构化验证引导的强化学习任务,利用细粒度可验证奖励机制确保视觉语义对齐。该方法结合概念覆盖、事实核查与简洁性约束三大支柱,在 VDC、CAPability 及 VC4VG 基准上取得最先进水平。相关代码与数据暂未开放,论文状态为 arXiv 预印本。
来源:arXiv · 机器人与计算机视觉 · arxiv.org