Tag · 3 篇
大语言模型引导
分布 视频理解与时序23D 视觉与重建1
01 02 03
TVHighlights：LLM 引导的无人工协同训练用于影视剧视频亮点检测
TVHighlights: LLM-Guided Human-Free Collaborative Training for Video Highlight Detection in Movies and TV Dramas
把 LLM 生成的片段级伪标签与轻量视频模型的置信度预测放进自提升闭环，配合噪声鲁棒学习，为长视频时序定位类任务提供了一套无需人工标注的协同训练范式，可直接迁移到视频摘要、精彩片段检索等时序定位问题。
面向弱监督视频异常检测的混合记忆专家联合学习通用与多样模式
Joint Learning of General and Diverse Patterns with Mixture of Memory Experts for Weakly-Supervised Video Anomaly Detection
提出混合记忆专家框架，每个专家有内部记忆做细粒度特化、共享外部记忆聚合通用知识，并用大语言模型构建异常原型引导专家路由，为视频异常检测中同时建模泛化性与多样性提供了可复用的路由与记忆机制。
CoSMo3D：通过 LLM 引导的规范空间建模实现开放世界提示式 3D 语义分割
CoSMo3D: Open-World Promptable 3D Semantic Segmentation through LLM-Guided Canonical Spatial Modeling
把 3D 语义分割从输入传感器位姿空间搬到数据驱动的规范参考系中，用 LLM 引导构建跨类别规范数据集、再用规范图锚定与规范框校准的双分支把位姿与对称性坍缩成稳定嵌入——这套「先规范再分割」的思路可直接迁移到任意位姿敏感的点云/网格部件分割与开放词表 3D 任务。