TCoVP

新的TCoVP方法通过地面证据增强视频推理分割

研究人员推出了一种新颖的视频推理分割（VRS）方法——时间视频原语链（TCoVP）。TCoVP通过将实体显式链接到跨视频帧的时间戳视觉证据，解决了纯文本思维链方法的不足。这种时空地面推理链按时间顺序组织观察结果，引导模型更准确地识别目标、理解事件和预测像素级掩码。研究团队开发了两个数据集TCoVP-SFT-15k和TCoVP-RL-13k来训练和评估此方法，并在多个基准测试和模型骨干上证明了其有效性。