TaRO提升视频时间定位推理
jiqizhixin · x · 2026-07-11
北大和华为研究者提出 **TaRO**，用于改进视频时间定位（video temporal grounding）中的推理质量。 - 现有视频 AI 往往只能给出“看起来像理由”的浅层解释，但并不能准确指出事件在时间轴上的位置。 - TaRO 的做法是先把带有**精确时间戳**的预制字幕喂给模型，让模型在“时间信息”上进行推理；随后再通过一个一致性测试来筛选推理质量：如果打乱某个事件边界后，模型的推理结果明显失效，说明原推理更可靠。 - 论文声称该方法在标准视频 temporal grounding 基准上取得了 **SOTA**。 - 同时给出了论文、代码和项目页链接。