SAIL：面向指代音视频分割的偏移感知身份引导潜在精炼框架

针对指代音视频分割（Ref-AVS）中目标因短暂遮挡、声音衰减或身份歧义而发生焦点漂移的问题，研究者提出偏移感知身份引导潜在精炼框架 SAIL，通过双 token 策略将帧级动态与全局语义锚点解耦以显式建模目标偏移线索，并设计偏移感知精炼模块对齐领域证据纠正漂移，配合连续记忆更新的解码器维持时空与身份一致性。