TempCompass
PulseAugur coverage of TempCompass — every cluster mentioning TempCompass across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的维纳滤波技术可减少视觉语言模型中的幻觉
研究人员开发了一种名为维纳表示滤波（Wiener Representation Filtering）的新颖技术，以减少视觉语言模型（VLMs）中的幻觉。这种无需训练的方法在事后通过编辑语言主干的表示空间来运行。通过将隐藏状态建模为真实和幻觉成分的组合，该技术推导出一个维纳型估计器，可以减弱与幻觉相关的模式。该方法应用于 LLaVA-1.5、MiniGPT-4、Gemma3 和 mPLUG-Owl2 等模型，在 CHAIR、POPE 和…
-
ChronoStitch 方法在无需重新训练的情况下改进了长视频时序推理
研究人员开发了 ChronoStitch，这是一种新颖的、无需训练的方法，旨在改进长时序视频中的时序推理。该技术解决了组合视频片段中独立缓存的视觉键值（KV）记忆的挑战，这些记忆通常会遭受时间相位冲突和全局顺序丢失。ChronoStitch 将存储的键重新定位到全局多模态坐标系中，并选择性地重新计算一小部分 token 来弥合内容差距。在 Qwen2.5-VL-3B 和 TempCompass 上进行测试，ChronoStitch 证…
-
新的DELTAVID框架提升视频大语言模型的细粒度感知能力
研究人员推出了一种新颖的DELTAVID框架，旨在提升视频多模态大语言模型（Video MLLMs）的细粒度时空感知能力。该方法将识别相似视频之间差异的任务转化为可训练信号，使模型能够精确识别局部变化、时间边界和空间证据。该框架得到了DELTAVID-10K和DELTAVID-Bench数据集的支持，这些数据集旨在促进这些感知技能的可扩展训练和可靠评估。实验表明，DELTAVID显著提升了跨视频差异理解的性能，并将这种改进的局部证据推…
-
VideoThinker框架通过因果去偏提升轻量级MLLM的视频推理能力
研究人员开发了VideoThinker，一个旨在增强轻量级多模态语言模型（MLLM）在视频分析中推理能力的新型框架。该方法解决了感知偏差问题，即模型倾向于依赖肤浅的数据模式而非真正的理解。VideoThinker采用两阶段去偏过程，首先创建一个“偏差模型”来捕捉捷径行为，然后使用因果去偏策略优化（CDPO）算法引导主模型进行准确推理。