新的SCVIB框架提高了多轮个性化定位的准确性

研究人员推出了一种新颖的多轮个性化定位框架SCVIB，该框架能够处理多个实例和状态相关的事件。SCVIB数据集包含五个视觉领域中经过验证的1,050个支持-查询对。直接推理方法仅达到60.13%的[email protected]准确率，表明需要改进证据利用。所提出的TT-VG系统结合了目标状态转换树和视觉证据基础适应，将性能显著提升至70.27%的[email protected]，尤其是在涉及非最新或已恢复证据的复杂场景中。 AI

影响 这项研究可能为需要精确对象定位和长期跟踪的任务带来更强大、更个性化的AI系统。

排序理由 该集群包含一篇详细介绍计算机视觉任务新框架和数据集的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• ScienceCast
• SCVIB
• Telecommunications Services of Trinidad and Tobago
• TT-VG
• Vega

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →