跳到正文
arXiv · AI· Yehua Huang, Penglei Sun, Xiang Li, Jinhao Zhou, Jiawen Wen, Qingqing Xiao, Zihan Yang, Wenqi Wang, Haolan Chen, Yu Xu, Xiaowen Chu·· 3 天前AI 评分27

流式 VLM 在组合指令触发中的困境与 TEMPI 的解决

Recognizing Events Is Not Enough: Why Streaming VLMs Struggle in Compositional Instruction Triggering

AI 导读

流式视频模型难以正确执行组合指令,TEMPI 实现 44.4% 指令级成功率。 其通过分解指令为原子事件查询与时间约束,并利用 Scenario Memory 维护任务进度。 在 8GB RTX 5060 上,优化推理管线实现 4.90x 加速。

来源:arXiv · AI · arxiv.org