海法大学论文:在线指令条件下视频错误检测,联合模型 F1 达 84.1%
UoHaifa · hf · 2026-11-21
海法大学团队研究在线、指令条件下的自我中心视频错误检测:模型仅凭已观看视频、任务指令和历史预测,实时识别已完成的动作步骤、定位时间段,并判定其属于正确、修改、滑失误、纠正或新增;遗漏步骤在视频结束后判定。
- 重新划分 EgoPER 数据集,使所有 split 都包含出错视频以支持监督学习
- 对比模块化流水线(步骤识别+时间定位+执行验证三段式)与一次性联合预测模型:两者步骤分割 [email protected] 相近(93.6% vs 92.1%),但联合模型二分类错误检测 [email protected] 更高(84.1% vs 80.7%),在 slip 类错误上优势最大(56.4% vs 37.5%)
- 组件分析表明,模块化方案得分较低的原因是阶段间的误差传播;在含错误的测试视频上,两种设计均优于已发布的 AEM 与 ESTANNet 检查点
「研究」频道最新
- 论文:27B 开源模型能自我改写权重,无需梯度训练 — jedisct1 · 2026-11-21
- 黎曼猜想相关证明的 Lean 形式化已覆盖几乎全部数论 — sytelus · 2026-11-21
- 学者预言 AI 两三年内在数学全面超越人类,如国际象棋之变 — soumitrashukla9 · 2026-11-21
- Universal Dependencies v2.19 发布:新增 49 个树库与 33 种语言 — stanfordnlp · 2026-11-21
- CoRL 2026 最佳论文 SuperMimic 被质疑:2019 年起已有 3 篇同类工作 — animesh_garg · 2026-11-21
- ELLIS 图宾根研究所携 48 篇论文登陆 NeurIPS 2026,含 2 篇 Oral — maksym_andr · 2026-11-21