跳到正文
arXiv · AI· Zhaoyu Chen, Yongwei Nie·· 17 天前AI 评分33

DTP-OPSD:面向时间视频定位的抗干扰感知时序特权在线自蒸馏强化学习框架

DTP-OPSD: Reinforcement Learning with Distractor-Aware Temporal-Privilege On-Policy Self-Distillation for Temporal Video Grounding

AI 导读

DTP-OPSD 提出一种抗干扰感知的时序特权在线自蒸馏强化学习框架,专门解决时间视频定位中因视频包含相似或相反事件导致 GRPO 策略梯度失效的问题。 学生模型生成响应,共享权重的教师模型观察标记了目标窗口和干扰窗口的特权视频,通过计算教师评估学生前缀的 Jensen-Shannon 散度提供密集 token 级监督信号。

来源:arXiv · AI · arxiv.org