跳到正文
arXiv · 机器人与计算机视觉· Guoning Chen, Zhexun Hu, Yifan Wei, Yixuan Weng, Bin Li, Yufei Zhao·· 15 天前AI 评分44

EP-LVMQA:低质量长视频时刻问答的证据保留粗粒到细粒度定位框架

EP-LVMQA: Evidence-Preserving Coarse-to-Fine Localization for Low-Quality Long Video Moment Question Answering

AI 导读

EP-LVMQA 提出一种证据保留的粗粒到细粒度框架,解决医疗与工业培训中长视频字幕缺失或 ASR 噪声导致的证据难核查问题。该模型在 MedVidQA 数据集上实现 [email protected] 为 26.1、mIoU 为 31.8,较最强非本方法结果分别提升 6.3 和 5.1 个点。在低质量扰动下,其平均相对退化率从最强的 14.6% 降至 11.1%,并在 Ego4D-NLQ 等基准上表现相当。

来源:arXiv · 机器人与计算机视觉 · arxiv.org