SpaTime流式视觉语言模型论文发布
热点事件持续更新
SpaTime流式视觉语言模型论文发布
1 篇报道1 个报道来源4 小时前更新
先了解这件事
报道摘要
SpaTime 是一种流式视觉语言模型，在每一帧将因果几何 token 融合进语言模型，仅依赖已观测帧进行时空推理。它提出响应时间损失，把逐帧响应概率映射为可微的期望响应时间，并惩罚其与真实帧的距离。在流式基准 StreamVSTI-Bench 上，SpaTime 总体准确率达 49.2%，平均响应时间误差较最强流式基线降低 66%。
摘自 arXiv cs.CV
最新进展10月7日 12:00
SpaTime：面向时空推理的流式视觉语言模型报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv cs.CVSpaTime：面向时空推理的流式视觉语言模型
SpaTime 是一种流式视觉语言模型，在每一帧将因果几何 token 融合进语言模型，仅依赖已观测帧进行时空推理。它提出响应时间损失，把逐帧响应概率映射为可微的期望响应时间，并惩罚其与真实帧的距离。在流式基准 StreamVSTI-Bench 上，SpaTime 总体准确率达 49.2%，平均响应时间误差较最强流式基线降低 66%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。