我的第一篇博客
895 字
4 分钟
本文已加密
我的第一篇博客
密码保护
此内容已被密码保护，请输入密码查看。
相关文章智能推荐
1
《Learning to Refuse》和《MUSEG》论文阅读
科研记录《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。
2
《How Should Video LLMs Output Time? 》论文阅读
科研记录《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。
3
TimeLens模型-论文阅读
科研记录《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。
4
Time-R1模型-论文阅读
科研记录《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。
5
VTG-LLM模型-论文阅读
科研记录《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。
随机文章随机推荐
