arXiv · AI· Zhaoyu Chen, Hongnan Lin, Yongwei Nie, Fei Ma, Xuemiao Xu, Fei Yu, Chengjiang Long·· 6 小时前AI 评分20
Invert4TVG：通过反转任务保持动作理解能力的时间视频定位框架
Invert4TVG: A Temporal Video Grounding Framework with Inversion Tasks Preserving Action Understanding Ability
AI 导读
Invert4TVG 框架通过引入基于反转的时间视频定位（TVG）辅助目标，增强了模型对视频及查询中动作的理解能力。 该框架包含动词补全、动作识别和视频描述三类反转任务，并利用强化学习集成，在 Charades-STA 数据集上使 3B 模型的 R1@0.7 指标提升了 7.1%。
来源：arXiv · AI · arxiv.org