跳到正文
热点事件持续更新

Nunchi 框架结合语音线索提升多人对话眼神追踪准确率

1 篇报道1 个报道来源13 小时前更新

先了解这件事

AI 综述

2026 年 11 月 18 日,研究人员在 arXiv 发布 Nunchi 框架与 SORBET 基准测试。该框架通过融合转录文本、说话人模型输出及视觉语言模型,利用几何视线与对话线索解决多人场景中的注视对象识别歧义。在包含 3,340 个样本的 SORBET 基准中,Nunchi 方法比最强现有方案准确率提升 4.8 个百分点,且该增益在三种视觉语言模型及自动转录条件下均成立。

AI 根据报道生成 · 10 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv · 机器人与计算机视觉
    Nunchi:语音线索辅助眼神追踪解决多人对话歧义

    Nunchi 框架通过结合转录文本与说话人模型输出,利用视觉语言模型权衡几何视线与对话线索以精准识别多人场景中的注视对象。在包含 3,340 个样本的 SORBET 基准测试中,该方法比最强现有方法准确率提升 4.8 个百分点,且增益在三种 VLM 及自动转录条件下均成立。

本事件热度走势

可比范围当前
7
可比范围峰值
911月18日 16:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。