提出MDVLM-TAL用于时序动作定位

2026年10月15日，arXiv Computer Vision 刊出研究报道，Fengshun Wang 等作者提出将掩码扩散视觉语言模型（MDVLM）适配到时序动作定位（TAL）任务的方法 MDVLM-TAL。据该报道，其做法是让语义 token 与边界 token 在双向注意力的迭代去噪过程中保持可编辑，从而联合优化时间边界与语义内容。报道同时注明，源代码可在其给出的链接获取。截至该报道，事件进展为方法提出与代码公开，尚无后续跟进报道。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。