跳到主要内容
检索

# 视频时序定位

1 篇关联报道

订阅更新
  1. arXiv

    CoEvoWhen让冻结VLM在超长视频中自我进化策略与工具,ExtremeWhenBench的mIoU提升74.9%同时视觉token下降11.4%

    CoEvoWhen提出策略—工具协同进化框架,从VLM的智能体推理轨迹中联合进化高层策略与可执行媒体工具,形成不更新模型参数的可复用技能,在五个基准和三个VLM上提升超长视频时序定位精度并降低推理视觉token开销,且该技能无需额外任务特定进化即可迁移到通用长视频问答。

已读完全部报道