HD-EPIC
PulseAugur coverage of HD-EPIC — every cluster mentioning HD-EPIC across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新AI系统Ledger可记住来自自我中心视频的3D对象位置
研究人员开发了Ledger，一个持久的3D对象记忆系统，旨在帮助具身AI助手记住来自自我中心视频的对象位置和细节。该系统即使在对象离开摄像机视野后也能保留有关对象的信息，通过在记录移动前要求重复证据来减少定位噪声。Ledger还保留了上下文描述，例如对象的内含物或支撑表面，从而无需重新访问原始视频片段即可进行空间问答。该系统在HD-EPIC和UCS-Bench等基准测试中准确性显著提高，并在Ego4D数据集中的对象定位方面显示出潜力。
-
新的基准和模型推动了人工智能中以自我为中心的视频理解能力
研究人员正在开发新的方法和基准来提高多模态大语言模型（MLLMs）的时间和空间推理能力，特别是针对以自我为中心的视频理解。论文介绍了时间全局策略优化（TGPO）等技术来增强时间感知能力，以及Whareformer等模型用于跟踪长时以自我为中心的视频中的对象。新的基准，如EgoPolice和EgoExoMem，正在被创建，以在具有挑战性的数据集上评估这些模型，包括警方佩戴的摄像机录像和同步的以自我为中心/以外的视频对，突显了即使是像Ge…
-
新的基准和模型推动手部-物体交互检测的进展
研究人员推出了新的框架和基准来理解计算机视觉中的手部-物体交互。一篇论文详细介绍了 HOI-DETR，这是一种新的架构，在 Hands23 和 FineBio 等多个数据集上将最先进的性能提高了 20 多个百分点。另一项贡献是 HanDyVQA，这是一个视频问答基准，旨在评估手部-物体动态中的细粒度时空推理能力，而当前的 Gemini 2.5 Pro 等模型难以掌握。
-
Ego2World 基准测试在逼真的烹饪视频世界中对具身智能体进行测试
研究人员推出了 Ego2World，这是一个旨在评估具身智能体在逼真、部分可观察环境中的规划能力的新基准。该基准将主观视角烹饪视频转换为可执行的符号世界，迫使智能体根据有限的观察和执行反馈进行规划和重新规划。实验表明，传统的评估指标可能会高估性能，并且在复杂场景中成功完成任务的关键在于维护持久的信念记忆。