temporal-alignment

标签

Cards List
#temporal-alignment

EgoCaptioner:迈向全面且细粒度的第一人称视频字幕生成

Hugging Face Daily Papers ↗ · 昨天 缓存

论文提出了 EgoCaptioner,一个从粗到细的第一人称视频字幕生成框架,将视频级概览与带时间戳、感知自适应的步骤叙述相结合,并使用基于事实与时间奖励的 GRPO 进行训练,在五个第一人称基准上取得领先结果,在 PhysCapBench 上超越了 Gemini 3.1 Pro 等专有基线模型。

0 人收藏 0 人点赞
#temporal-alignment

缺失的时间链接:用于脚本驱动音视频生成的Temporal Context Routing

Hugging Face Daily Papers ↗ · 2026-09-02 缓存

Temporal Context Routing通过将脚本时间映射到共享的视频-音频时间轴,提升了联合音视频生成中脚本对齐的时间准确性,减少了镜头边界和对话的错误。

0 人收藏 0 人点赞
#temporal-alignment

EgoCS-400K:一个面向世界模型的第一人称游戏数据集

Hugging Face Daily Papers ↗ · 2026-06-16 缓存

EgoCS-400K 是一个大规模的第一人称反恐精英数据集,包含超过40万段第一人称视频和10,000小时的游戏玩法,为世界模型研究提供了时间对齐的视频-动作-语言轨迹。

0 人收藏 0 人点赞
← 返回首页

提交意见反馈