去混淆表示学习

渐进式跨模态因果干预用于长时动作识别

Progressive Cross-Modal Causal Intervention for Long-Term Action Recognition

将因果推断中的前门调整和反事实干预引入视觉语言模型，用于去除长时动作识别中的视觉混淆和动作共现幻觉，为视频理解中的跨模态对齐提供可复用的去偏框架。