参考引导

Omni-MMSI：面向身份归属的社交交互理解

Omni-MMSI: Toward Identity-attributed Social Interaction Understanding

论文提出从原始音视频与语音中联合感知「谁说了什么、指向谁」的身份归属线索，并在此基础上做思维链社交推理；对视觉研究者而言，可复用其参与者级参考对构建方式与参考引导的多模态推理流程，用于需要身份绑定的多人视频理解任务。