Tag · 2 篇
对比对齐
分布 视觉语言模型1生成模型与扩散1
01 02
各司其职：面向稠密视频描述的角色专属查询与重叠抑制损失
Stay in your Lane: Role Specific Queries with Overlap Suppression Loss for Dense Video Captioning
把定位与描述拆成角色专属查询并用对比对齐保持语义一致，再以查询间时序重叠惩罚抑制冗余，这套「解耦查询+重叠抑制损失」可直接迁移到任何 query-based 视频定位/描述或时序动作检测框架中缓解多任务干扰。
属性引导的扩散式文本到微结构生成
Property-Informed Diffusion-Based Text-to-Microstructure Generation
把文本中的语义与物理属性作为联合条件注入扩散模型，并用对比对齐加测试时奖励引导保证生成结果与提示一致，这套「属性条件 + 双重对齐」思路可直接迁移到视觉中的条件生成与可控合成任务。