Tag · 2 篇
时序事件定位
01 02
流式视频指令微调
Streaming Video Instruction Tuning
把离线视频 LLM 改造成逐帧到达即可响应的流式助手，其 Streamo-Instruct-465K 的多任务指令构造方式与统一训练管线，可直接复用于需要实时解说、时序定位或时间敏感问答的视频-语言系统。
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。