研究人员推出了 CamChoreo，这是一个用于理解视频中复杂相机运动的新基准数据集。该数据集包含 4,229 个带有详细时间标注的真实世界剪辑，其中近一半的片段包含多个同时发生的相机运动。为了解决当前多模态大语言模型 (MLLMs) 在识别这些细粒度运动方面的局限性，研究团队开发了 CamDistill。该方法将几何知识蒸馏成轻量级 token，从而在推理时无需单独的 3D 基础模型即可实现准确的相机运动识别。 AI
影响 推动细粒度的时间和组合式相机运动识别，可能改进视频生成和空间智能应用。
排序理由 该集群包含一篇学术论文，详细介绍了用于视频感知的基准和模型。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
