长程记忆

面向第一人称视频个性化问答的自我指代 grounding

Ego-Grounding for Personalized Question-Answering in Egocentric Videos

为第一人称视觉语言模型提供了首个系统性的个性化问答基准 MyEgo，并揭示显式提供证据时模型短期提升、随时间衰减的现象，可直接用于设计带长程记忆与自我指代（ego-grounding）机制的第一人称视频问答模型与评测协议。