实体
Egocentric Videos
Egocentric Videos
PulseAugur coverage of Egocentric Videos — every cluster mentioning Egocentric Videos across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的AgentVQA基准揭示了VLM在视觉理解方面的局限性
研究人员推出了AgentVQA，这是一个新的离线基准，旨在评估智能体任务中视觉语言模型（VLM）的视觉理解能力。该基准包含来自五个领域（Web智能体、机器人、自拍视频、游戏和空间规划）的1000个真实世界示例。对22个VLM的评估显示，即使是表现最好的模型，准确率也仅为58.5%，主要的失败模式被确定为视觉基础和状态跟踪问题，而非任务解释问题。
-
新方法重新思考自我中心视频中的“跟我说话”检测
研究人员提出了一种新的方法来检测自我中心视频中何时有人在直接对摄像机佩戴者说话。该方法将问题从二元分类重新构建为在线、帧级别的预测，并考虑了各种非“跟我说话”（TTM）的状态，例如对他人说话或自言自语。创建了一个新的数据集，即在线TTM数据集，其中包含约90万个带注释的帧来支持这种表述。一个整合了音频、视觉和语音语义线索的多模态模型在TTM检测中达到了75.5%的帧级别F1分数。