跳到主要内容
检索

# Nunchi注视-对话线索框架

1 篇关联报道

订阅更新
  1. arXiv

    多人对话里认错视线对象:Nunchi把说话人和台词写进提示,准确率86.7%

    多人对话中,人越多,单靠视线几何越难判断观察者到底在看谁。Nunchi把视线热图、说话人分数和台词统一写成文本提示,让视觉语言模型在同一次前向中比较这些线索并给每位候选打分。在新建的SORBET基准上,它达到86.7%的识别准确率,比在SORBET上微调过的最强现有方法高4.8个百分点;候选达到五人及以上时为76.0%,比次优方法高8.0个百分点。

已读完全部报道