arXiv Computer Vision· Blessing Agyei Kyem, Richard Dzinyela, Joshua Kofi Asamoah, Eugene Denteh, Andrews Danyo, Solomon Owusu-Ansah, Dickson Gyimah Asiedu, Armstrong Aboah·· 3 小时前AI 评分31
StateBridge：面向合成到真实交通视频描述与VQA的阶段与轨迹锚定推理
StateBridge: Phase- and Track-Grounded Reasoning for Synthetic-to-Real Traffic Video Captioning and VQA
AI 导读
StateBridge 是一个仅用合成数据训练、可泛化到真实交通场景的视频语言框架，通过阶段感知片段构建、行人与车辆轨迹摘要和结构化提示，让视觉语言模型基于稳定的交通证据而非外观作答。
来源：arXiv Computer Vision · arxiv.org