RTAformer 提出「关系语义惯性」解法,攻克视频场景图生成难点
Jaeyeon Heo · hf · 2026-10-23
来自韩国世宗大学团队的 RTAformer 针对视频场景图生成(vidSGG)提出单阶段 Transformer 方案,论文已被 ECCV 级别会议接收(arXiv 2026-10-14)。
- 指出新失败模式:关系语义惯性(relational semantic inertia)——模型跨帧聚合信息追求一致性时,即使关系已改变仍沿用旧预测
- 核心做法:分离建模实体持久性与关系变化;向相邻帧关系查询注入校准后的差异,引导谓词更新
- 训练期用跨帧实例对齐缓解帧间表示漂移
「研究」频道最新
- 首次人体体内 prime editing 治疗完成注射,直接改写 DNA — basedjensen · 2026-10-23
- 经典意义的世界模型 (s, a → s′)：充当神经版 MuJoCo 模拟器 — yshan2u · 2026-10-23
- Gen-HumanWholeBody 全身操作数据集开源:600 小时、1281 种人类技能 — AdinaYakup · 2026-10-23
- 单细胞动力学模型 DynaVelo 发表于 Nature Biotechnology — anshulkundaje · 2026-10-23
- 120 例对比测试：Hy-Memory 召回 100% 却全军覆没空例 — stevyhacker · 2026-10-23
- UCSD SplatLab:一条 prompt 自动复现并撰写 3DGS 研究 — UCSanDiego · 2026-10-23