最近写下
《Learning to Refuse》和《MUSEG》论文阅读
《Learning to Refuse》发表在26年CVPR，《MUSEG》发表在26年ACL，它们都从任务角度提出创新，模型都使用RL进行后训练，论文思路值得学习。
2026-09-22
|2524 字
|13 分钟
《How Should Video LLMs Output Time? 》论文阅读
《How Should Video LLMs Output Time? An Analysis of Efficient Temporal Grounding Paradigms》是26年发表在CVPR workshop的论文，文章从输出方式这个角度入手，进行了受控实验，探讨了三种输出方式对大模型VTG任务的影响。
2026-09-19
|1628 字
|8 分钟
《被讨厌的勇气》读书笔记
浮世繁华，喧嚣声不绝于耳，一片心灵的净土是现代社会最奢侈的东西，而从“讨厌自己”到“喜欢自己”，是我认为幸福的第一步，因为唯先爱己才能爱人。希望我们都能有被讨厌的勇气。
2026-06-25
|1357 字
|7 分钟
TimeLens模型-论文阅读
《TimeLens: Rethinking Video Temporal Grounding with Multimodal LLMs》是26年发表在CVPR的文章，在算法上探讨了几种模块在VTG任务中的有效性，在数据上颠覆了常用的banchmark，进行了重新标注。
2026-08-25
|1175 字
|6 分钟
Time-R1模型-论文阅读
《Time-R1: Post-Training Large Vision Language Model for Temporal Video Grounding》是25年发表在NeurIPS上的文章，是RLVR融入VTG任务的开山之作。
2026-08-20
|1168 字
|6 分钟
VTG-LLM模型-论文阅读
《VTG-LLM: Integrating Timestamp Knowledge into Video LLMs for Enhanced Video Temporal Grounding》是25年发表在AAAI的文章，将时间戳知识融入视频大模型，集合了VTG方向的四个任务以及已被验证有效的多个模块，并做出创新。
2026-08-02
|1539 字
|8 分钟
VTimeLLM模型-论文阅读
《VTimeLLM: Empower LLM to Grasp Video Moments》是一篇24年发表在CVPR上的论文，是早期使用LLM研究TSGV方向的论文。
2026-07-26
|1373 字
|7 分钟
TFVTG模型-论文阅读
《Training-free Video Temporal Grounding using Large-scale Pre-trained Models》是一篇24年发表在ECCV上的论文，致力于通过traing-free的大模型进行时序定位。
2026-07-16
|1171 字
|6 分钟
Moment-DETR模型-论文阅读
《QVHIGHLIGHTS: Detecting Moments and Highlights in Videos via Natural Language Queries》这篇论文在2021年发表于NeurIPS,为TSGV方向构建了数据集，提供了baseline，对后续的研究有重大影响。
2026-07-06
|1517 字
|8 分钟
