标签
TCoVP 引入了时空绑定的视频推理链(Temporal Chain of Video Primitives),将实体引用与带时间戳的空间证据相关联,用于视频推理分割任务,并通过 SFT 与链对齐强化学习数据集在多个基准上取得了提升。
LVMT(Long-term Video Mask Transformer)提出了一种基于 GRU 的时序传播模块以及截断查询传播(TQP)训练策略,以处理在线视频分割中的长时间遮挡问题,在六个基准上刷新了最先进性能,同时速度比此前方法快 10 倍。
360 AI Research Institute 的 MoSA(Motion-Grounded Segment Anything),已被 ECCV 2026 接收,它训练 Segment Anything 模型利用未标注视频中的运动线索来分割物体,无需人工注释即可生成数百万个伪标签。
本文介绍了SAM-MT,它是SAM2的一个扩展,用于实时交互式多目标视频分割,实现了与目标数量无关的高帧率(FPS)。