语义嵌入复用

面向流式指代视频分割的大语言模型方法

Towards Streaming Referring Video Segmentation via Large Language Model

把图像级指代分割模型通过语义嵌入复用与在线掩码一致性感知扩展成流式视频分割，无需额外参数即可在单卡上以 7 FPS 流式推理，为实时指代视频分割与 MLLM 的在线部署提供可复用范式。