视觉语言模型 / CVPR2026
跟随显著性:面向检索增强密集视频描述的有监督显著性
Follow the Saliency: Supervised Saliency for Retrieval-augmented Dense Video Captioning
把 DVC 真值直接转成二值标签训练帧级显著性/高光检测器,再用同一显著性分数同时驱动检索分段与解码器 Saliency Prompt,为视频-语言检索增强生成提供了一个无需额外标注的统一时序信号。
检索增强生成视频时刻定位显著性引导分割