EVA-Cap音视频字幕事件对齐框架
热点事件持续更新
EVA-Cap音视频字幕事件对齐框架
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月16日，arXiv Computer Vision 报道了 EVA-Cap 音视频视频描述框架。该工作由 Jiapeng Shi 等作者提出，将音视频视频描述拆解为原子级音视频事件，把非结构化文本监督转为事件中心对齐，并在自建数据集 EVA-Data 上通过 SFT 与 GRPO 训练，其中 GRPO 阶段针对全局事件完整性、事件内归因和事件间同步三个目标优化。实验显示，EVA-Cap 在 ChronusAV 事件中心评测上平均提升 9.0%，在 WorldSense 上提升 3.3%。该工作已被 NeurIPS 2026 接收，代码将开源。目前尚无后续跟进报道，事件进展以该篇主报道为准。
AI 根据报道生成 · 1 小时前更新
最新进展10月16日 12:00
EVA-Cap：通过事件中心对齐优化音视频视频描述报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv Computer VisionEVA-Cap：通过事件中心对齐优化音视频视频描述
EVA-Cap 将音视频视频描述拆解为原子级音视频事件，把非结构化文本监督转为事件中心对齐，并在自建数据集 EVA-Data 上通过 SFT 与 GRPO 训练，GRPO 阶段针对全局事件完整性、事件内归因和事件间同步三个目标优化。实验显示其在 ChronusAV 事件中心评测上平均提升 9.0%，在 WorldSense 上提升 3.3%。该工作已被 NeurIPS 2026 接收，代码将开源。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。