交互感知分割

InterRVOS：交互感知的指代视频目标分割

InterRVOS: Interaction-Aware Referring Video Object Segmentation

将交互关系显式建模引入指代视频目标分割，要求分别分割动作执行者与目标对象，并设计了交互感知特殊 token 与注意力掩码损失；对做视频理解、指代分割和多模态推理的研究者，提供了可复用的角色区分分割范式与配套数据集。