跳到正文
arXiv · 机器人与计算机视觉· Chunggi Lee, Hanspeter Pfister·· 14 小时前AI 评分72

EgoJev:通过读取 VLM 决策在自视视频中寻找证据的无训练框架

EgoJev: Finding Evidence in Egocentric Video by Reading VLM Decisions

AI 导读

针对长时第一人称视频依赖短暂瞬间的问题,该方法提出 EgoJev 这一无需训练的帧选择器。它利用冻结的视觉语言模型(VLM)对标记缩略图进行选择,并依据输出分布读取证据时刻,随后仅重看被指出的窗口并将答案帧置于分布分位数处。

来源:arXiv · 机器人与计算机视觉 · arxiv.org