提出SSRS表示与MSAV-Script-100K数据集

2026年10月14日，arXiv Computer Vision 刊出 Chen Zhao 等作者的报道，研究者提出结构化有状态关系脚本（SSRS），将持久实体与声音身份同镜头特定的视觉、听觉状态分离，并显式编码声源绑定与时间关系，用全局音视频事件序列连接跨镜头延续的事件。同一报道称，作者同时发布 MSAV-Script-100K 大规模多镜头音视频数据集，配详细 SSRS 标注，并给出数据集获取链接。实验显示，跨镜头一致性、指定状态变化遵循度和音视频对齐均有提升。截至该报道，事件进展为方法提出与数据集发布，尚无后续跟进报道，也未出现与早先报道数字、时间或说法不一致的情况。

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。