arXiv Artificial Intelligence· Shreya Rajpal, Michal Golovanevsky, Carsten Eickhoff·· 19 小时前AI 评分29
PRISM：标签引导的程序性视频高效摘要框架
Less is More: Label-Guided Efficient Summarization of Procedural and Instructional Videos
AI 导读
PRISM 是一个零样本、免训练的程序性视频摘要框架，仅选取不到 5% 的视频帧即可保留超过 84% 的语义内容，较基线最高提升 7.5%。它通过轻量视觉过滤和动态生成的过程标签作为语义锚点，筛选有意义的帧-标签组，减少传入下游视觉语言描述阶段的视觉输入量。该工作在 YouCook2、ActivityNet Captions 及外科手术视频数据集上验证了语义对齐与准确率表现。
来源：arXiv Artificial Intelligence · arxiv.org