研究人员推出了一种新颖的框架 EventCoT,用于视频中的推理时间定位 (RTL)。这种以事件为中心的方法首先将视频分词为紧凑的事件表示,以有效识别相关事件。然后,它在这些已识别的事件内进行推理,以生成答案并精确地定位时间间隔。EventCoT 在 ActivityNet-RTL 基准测试中展现了最先进的性能,使用的视觉标记比先前的方法少,并且在 ReXTime 基准测试中也取得了强大的零样本结果。 AI
影响 通过改进事件识别和复杂推理任务的时间定位,推动了视频理解能力。
排序理由 该集群包含一篇详细介绍视频分析新框架的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →