arXiv Computer Vision· Anubhav Gupta, Archit Kambhamettu, Vatsal Agarwal, Pulkit Kumar, Abhinav Shrivastava·· 7 小时前AI 评分34
VidParse：免训练在线解析第一视角操作流程
VidParse: Online Parsing of Egocentric Procedures Like a Pro
AI 导读
VidParse 是一个免训练的在线框架，把第一视角视频中的操作流程理解建模为图约束推理问题，无需任何梯度更新。它用冻结基础模型提取以手物交互为锚点的特征，通过时序相似度矩阵识别语义转换，再由 beam search 解码器借助归纳出的流程任务图约束合法动作转移。在复杂多步解析任务上，其准确率相比强在线基线最高提升 10 倍，论文已被 ECCV 2026 接收。
来源：arXiv Computer Vision · arxiv.org