RTAformer生成视频场景图

韩国世宗大学团队提出单阶段 Transformer 方案 RTAformer，用关系语义惯性处理视频场景图生成中的关系变化与表示漂移，相关论文已被 ECCV 接收。 该方案分别建模实体的持久性和关系的动态变化，通过查询相邻帧并注入校准差异来更新谓词；在训练阶段采用跨帧实例对齐，缓解同一对象在不同帧中的表示漂移。

AI 根据报道生成 · 53 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。