Tag · 3 篇
评测指标设计
分布 数据集与评测1医学影像与生物视觉13D 视觉与重建1
01 02 03
你在做什么？对可控人体视频生成的深入审视
What Are You Doing? A Closer Look at Controllable Human Video Generation
为可控人体图像到视频生成提供了细粒度基准与改进后的评测指标，做人体视频生成或动作可控生成的研究者可直接用它诊断模型在动作、交互、运动等 9 个维度上的短板，而不必再依赖 TikTok、TED-Talks 这类多样性不足的旧数据。
TRCoRSurg：面向手术视频三元组识别的时序-关系协同推理
TRCoRSurg: Temporal-Relational Co-Reasoning for Surgical Video Triplet Recognition
面向手术视频的三元组（器械-动作-目标）识别框架，其多尺度类别激活图引导的关系提取与双向时序-关系融合注意力可迁移到任何需要建模帧内标签共现与帧间语义一致性的视频结构化识别任务；同时提出的 TCER 指标为衡量跨实体因果/语义一致性提供了可复用的评测思路。
REVIVE 3D：通过编码膨胀先验细化实现体积增强
REVIVE 3D: Refinement via Encoded Voluminous Inflated prior for Volume Enhancement
针对单张平面图像 3D 线索不足的问题，先用前景轮廓膨胀构造 Inflated Prior 恢复全局体积，再在 3D 潜变量上加噪去噪、借预训练骨干的 3D 先验细化几何；这套「先构造粗体积先验再潜空间细化」的两阶段即插即用思路，可直接迁移到单图/稀疏视角三维生成与编辑任务。