Tag · 2 篇
时序分割
分布 强化学习与具身智能1视觉语言模型1
01 02
TSTM：面向视觉强化学习泛化的任务相关掩码时序分割
TSTM: Temporal Segmentation for Task-relevant Mask in Visual Reinforcement Learning Generalization
TSTM 利用时序信息分割任务相关区域，并通过不变表征学习提升视觉 RL 策略的泛化性，其掩码生成与一致性约束思路可迁移到其他需要抑制背景干扰的视觉任务。
BoostSLT：通过即插即用的扩散式语义增强器提升手语翻译
BoostSLT: Boosting Sign Language Translation via a Plug-and-Play Diffusion-Based Semantic Enhancer
把扩散模型当作段落级语义重建器，对片段级翻译结果做拼接与精炼，这个「先分段再扩散融合」的即插即用思路可直接迁移到视频字幕、长视频描述等长序列视觉-语言生成任务。