布朗桥损失

SPOT：面向运动稳定 MLLM 引导视频分割的时空提示词优化

SPOT: Spatiotemporal Prompt Optimization for Motion-Stabilized MLLM-Guided Video Segmentation

提出一种仅通过约束 MLLM 输出行为（布朗桥损失和几何感知提示词质量损失）来提升视频分割时序一致性的方法，无需视频预训练或架构修改，为利用静态图像训练的视觉基础模型处理动态视频任务提供了可复用的正则化思路。