跳到正文
arXiv · 机器人与计算机视觉· Ryo Fujii, Hideo Saito, Ryo Hachiuma·· 2 天前AI 评分72

VIOLA:面向最小标注的视频上下文学习

VIOLA: Towards Video In-Context Learning with Minimal Annotations

AI 导读

VIOLA 是一种标签高效框架,旨在解决多模态大语言模型在新视频域泛化时标注数据稀缺的问题。该方法通过密度 - 不确定性加权采样策略,从有限预算中选取兼具多样性、代表性和信息量的样本;同时构建混合池并引入置信度感知检索与提示机制,使模型能区分验证过的真实标签与噪声伪标签。实验在九个基准上使用三个大语言模型表明,该框架在低资源设置下显著优于各类基线,实现了低成本下的鲁棒适应。

来源:arXiv · 机器人与计算机视觉 · arxiv.org