VidParse：免训练在线自我中心流程解析

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。后续发布的论文预印本 v2 更新了实现细节，使其与已公开代码一致；GTEA 结果（表 1 及补充表 1）改为在四个标准划分上取平均，早先 v1 仅报告了划分 1 的结果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。