跳到正文
arXiv · 机器人与计算机视觉· Rohan Dugad, Mi Luo, Kristen Grauman·· 9 天前精选AI 评分84

Watching Itself Watch:面向视频推理的视觉依赖自我审计方法

Watching Itself Watch: Self-Auditing Visual Reliance for Video Reasoning

AI 导读

该论文针对视频推理中视觉关键 token 被忽视的问题,提出了 Visually-Aware On-Policy Self-Distillation (VIOS) 框架。

推荐理由

提出无需外部裁判的单策略自蒸馏框架,显著降低视频推理模型的训练成本并提升多基准表现。

来源:arXiv · 机器人与计算机视觉 · arxiv.org