Tag · 2 篇
自步学习
分布 视频理解与时序1视觉语言模型1
01 02
面向电影预告片生成的自步自纠正掩码预测
Self-Paced and Self-Corrective Masked Prediction for Movie Trailer Generation
把「掩码预测 + 自步掩码比例 + 逐步高置信填充再重掩码」的自纠正解码思路引入视频镜头序列生成，可迁移到视频摘要、镜头排序、故事线重组等时序编辑任务，替代易误差传播的「先选后排序」两阶段范式。
面向噪声对应的鲁棒遥感图像-文本检索
Robust Remote Sensing Image-Text Retrieval with Noisy Correspondence
针对视觉-语言检索中图文对不完美匹配的现实问题，提出基于损失幅度的样本可靠性加权与自步学习调度，可迁移到其他跨模态检索或对比学习训练流程中以提升对噪声对应的鲁棒性。