计算机视觉与模式识别

2025年09月 的作者和标题

[51] arXiv:2509.00626 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： 面向卫星上的甲烷检测 显示英文标题

标题： Towards Methane Detection Onboard Satellites

Maggie Chen, Hala Lambdouar, Luca Marini, Laura Martínez-Ferrer, Chris Bridges, Giacomo Acciarini

主题： 计算机视觉与模式识别 (cs.CV) ; 人工智能 (cs.AI)

[52] arXiv:2509.00649 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： MV-SSM：用于3D人体姿态估计的多视角状态空间建模 显示英文标题

标题： MV-SSM: Multi-View State Space Modeling for 3D Human Pose Estimation

Aviral Chharia, Wenbo Gou, Haoye Dong

评论： CVPR 2025；项目网站：https://aviralchharia.github.io/MV-SSM

期刊参考： CVPR，田纳西州纳什维尔，美国，2025年，第11590-11599页

主题： 计算机视觉与模式识别 (cs.CV) ; 机器人技术 (cs.RO)

[53] arXiv:2509.00658 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： Face4FairShifts：跨视觉领域的公平性和鲁棒学习大型图像基准 显示英文标题

标题： Face4FairShifts: A Large Image Benchmark for Fairness and Robust Learning across Visual Domains

Yumeng Lin, Dong Li, Xintao Wu, Minglai Shao, Xujiang Zhao, Zhong Chen, Chen Zhao

主题： 计算机视觉与模式识别 (cs.CV) ; 计算机与社会 (cs.CY) ; 机器学习 (cs.LG)

[54] arXiv:2509.00661 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： 通过计算机视觉和神经网络自动识别和描述珠宝，供翻译人员和口译人员使用 显示英文标题

标题： Automatic Identification and Description of Jewelry Through Computer Vision and Neural Networks for Translators and Interpreters

Jose Manuel Alcalde-Llergo, Aurora Ruiz-Mezcua, Rocio Avila-Ramirez, Andrea Zingoni, Juri Taborri, Enrique Yeguas-Bolivar

评论： 16页，3图，4表

期刊参考： 应用科学，15(10)，5538 (2025)

主题： 计算机视觉与模式识别 (cs.CV)

[55] arXiv:2509.00664 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： 融合以增强：融合视觉编码器以增强多模态语言模型 显示英文标题

标题： Fusion to Enhance: Fusion Visual Encoder to Enhance Multimodal Language Model

Yifei She, Huangxuan Wu

主题： 计算机视觉与模式识别 (cs.CV) ; 人工智能 (cs.AI)

[56] arXiv:2509.00665 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： ER-LoRA：有效秩引导的天气泛化深度估计适应方法 显示英文标题

标题： ER-LoRA: Effective-Rank Guided Adaptation for Weather-Generalized Depth Estimation

Weilong Yan, Xin Zhang, Robby T. Tan

主题： 计算机视觉与模式识别 (cs.CV) ; 机器人技术 (cs.RO)

[57] arXiv:2509.00676 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： LLaVA-Critic-R1：你的评判模型实际上是强大的策略模型 显示英文标题

标题： LLaVA-Critic-R1: Your Critic Model is Secretly a Strong Policy Model

Xiyao Wang, Chunyuan Li, Jianwei Yang, Kai Zhang, Bo Liu, Tianyi Xiong, Furong Huang

主题： 计算机视觉与模式识别 (cs.CV) ; 机器学习 (cs.LG)

[58] arXiv:2509.00677 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： CSFMamba：用于多模态遥感图像分类的跨状态融合Mamba算子 显示英文标题

标题： CSFMamba: Cross State Fusion Mamba Operator for Multimodal Remote Sensing Image Classification

Qingyu Wang, Xue Jiang, Guozheng Xu

评论： 5页，2图，已被2025年IEEE国际地球科学与遥感研讨会（IGARSS 2025）接收，尚未发表

主题： 计算机视觉与模式识别 (cs.CV)

[59] arXiv:2509.00692 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： CascadeFormer：基于骨架的人类动作识别的双阶段级联变换器家族 显示英文标题

标题： CascadeFormer: A Family of Two-stage Cascading Transformers for Skeleton-based Human Action Recognition

Yusen Peng, Alper Yilmaz

主题： 计算机视觉与模式识别 (cs.CV)

[60] arXiv:2509.00700 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： 提示未见：超越监督的视觉-语言对齐评估 显示英文标题

标题： Prompt the Unseen: Evaluating Visual-Language Alignment Beyond Supervision

Raehyuk Jung, Seungjun Yu, Hyunjung Shim

主题： 计算机视觉与模式识别 (cs.CV)

[61] arXiv:2509.00745 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： 使用剪枝学习增强皮肤病变分类在医学诊断中的公平性 显示英文标题

标题： Enhancing Fairness in Skin Lesion Classification for Medical Diagnosis Using Prune Learning

Kuniko Paxton, Koorosh Aslansefat, Dhavalkumar Thakker, Yiannis Papadopoulos, Tanaya Maslekar

主题： 计算机视觉与模式识别 (cs.CV) ; 人工智能 (cs.AI) ; 计算机与社会 (cs.CY) ; 机器学习 (cs.LG)

[62] arXiv:2509.00749 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： 视觉中稀疏自编码器特征的因果解释 显示英文标题

标题： Causal Interpretation of Sparse Autoencoder Features in Vision

Sangyu Han, Yearim Kim, Nojun Kwak

主题： 计算机视觉与模式识别 (cs.CV) ; 人工智能 (cs.AI)

[63] arXiv:2509.00751 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： EVENT-Retriever：面向现实描述的事件感知多模态图像检索 显示英文标题

标题： EVENT-Retriever: Event-Aware Multimodal Image Retrieval for Realistic Captions

Dinh-Khoi Vo, Van-Loc Nguyen, Minh-Triet Tran, Trung-Nghia Le

评论： ACM多媒体2025

主题： 计算机视觉与模式识别 (cs.CV)

[64] arXiv:2509.00752 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： 多级CLS标记融合用于内窥镜图像分类中的对比学习 显示英文标题

标题： Multi-Level CLS Token Fusion for Contrastive Learning in Endoscopy Image Classification

Y Hop Nguyen, Doan Anh Phan Huu, Trung Thai Tran, Nhat Nam Mai, Van Toi Giap, Thao Thi Phuong Dao, Trung-Nghia Le

评论： ACM多媒体2025

主题： 计算机视觉与模式识别 (cs.CV)

[65] arXiv:2509.00757 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： MarkSplatter：通过散点图像结构的3D高斯泼溅模型的可泛化水印技术 显示英文标题

标题： MarkSplatter: Generalizable Watermarking for 3D Gaussian Splatting Model via Splatter Image Structure

Xiufeng Huang, Ziyuan Luo, Qi Song, Ruofei Wang, Renjie Wan

主题： 计算机视觉与模式识别 (cs.CV)

[66] arXiv:2509.00760 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： 不再有兄弟姐妹竞争：去偏的人-物体交互检测 显示英文标题

标题： No More Sibling Rivalry: Debiasing Human-Object Interaction Detection

Bin Yang, Yulin Zhang, Hong-Yu Zhou, Sibei Yang

评论： 接受到ICCV2025

主题： 计算机视觉与模式识别 (cs.CV)

[67] arXiv:2509.00767 (交叉列表自 cs.CV) [中文pdf, pdf, 其他]

标题： InterPose：从大规模网络视频中学习生成人-物体交互 显示英文标题

标题： InterPose: Learning to Generate Human-Object Interactions from Large-Scale Web Videos

Yangsong Zhang, Abdul Ahad Butt, Gül Varol, Ivan Laptev

评论： 项目页面：https://mael-zys.github.io/InterPose/

主题： 计算机视觉与模式识别 (cs.CV)

[68] arXiv:2509.00781 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： 通过可取消的产品量化进行安全且可扩展的人脸检索 显示英文标题

标题： Secure and Scalable Face Retrieval via Cancelable Product Quantization

Haomiao Tang, Wenjie Li, Yixiang Qiu, Genping Wang, Shu-Tao Xia

评论： 14页和2张图，已被PRCV2025接收

主题： 计算机视觉与模式识别 (cs.CV) ; 密码学与安全 (cs.CR)

[69] arXiv:2509.00786 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： 对齐锚点组引导的线段检测器 显示英文标题

标题： Aligned Anchor Groups Guided Line Segment Detector

Zeyu Li, Annan Shu

评论： 被第八届中国模式识别与计算机视觉会议（PRCV 2025）接受。14页，附有补充材料。

主题： 计算机视觉与模式识别 (cs.CV)

[70] arXiv:2509.00787 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： 基于扩散的图像到脑信号生成与跨注意力机制用于视觉假体 显示英文标题

标题： Diffusion-Based Image-to-Brain Signal Generation with Cross-Attention Mechanisms for Visual Prostheses

Ganxi Xu, Jinyi Long, Jia Zhang

主题： 计算机视觉与模式识别 (cs.CV)

[71] arXiv:2509.00789 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： OmniReason：用于自动驾驶的时空引导视觉-语言-动作框架 显示英文标题

标题： OmniReason: A Temporal-Guided Vision-Language-Action Framework for Autonomous Driving

Pei Liu, Qingtian Ning, Xinyan Lu, Haipeng Liu, Weiliang Ma, Dangen She, Peng Jia, Xianpeng Lang, Jun Ma

主题： 计算机视觉与模式识别 (cs.CV)

[72] arXiv:2509.00798 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： 多模态迭代RAG用于知识视觉问答 显示英文标题

标题： Multimodal Iterative RAG for Knowledge Visual Question Answering

Changin Choi, Wonseok Lee, Jungmin Ko, Wonjong Rhee

主题： 计算机视觉与模式识别 (cs.CV) ; 人工智能 (cs.AI)

[73] arXiv:2509.00800 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： SWAGSplatting：语义引导的水景增强高斯点云渲染 显示英文标题

标题： SWAGSplatting: Semantic-guided Water-scene Augmented Gaussian Splatting

Zhuodong Jiang, Haoran Wang, Guoxi Huang, Brett Seymour, Nantheera Anantrasirichai

评论： 提交至SIGGRAPH Asia 2025 技术通讯

主题： 计算机视觉与模式识别 (cs.CV)

[74] arXiv:2509.00808 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： 自适应对比度调整模块：一种临床启发的即插即用方法，用于增强胎儿平面分类 显示英文标题

标题： Adaptive Contrast Adjustment Module: A Clinically-Inspired Plug-and-Play Approach for Enhanced Fetal Plane Classification

Yang Chen, Sanglin Zhao, Baoyu Chen, Mans Gustaf

主题： 计算机视觉与模式识别 (cs.CV) ; 人工智能 (cs.AI)

[75] arXiv:2509.00826 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： 序列差异最大化：通过多阶段优化生成对抗样本 显示英文标题

标题： Sequential Difference Maximization: Generating Adversarial Examples via Multi-Stage Optimization

Xinlei Liu, Tao Hu, Peng Yi, Weitao Han, Jichao Xie, Baolin Li

评论： 5页，2图，5表，CIKM 2025

主题： 计算机视觉与模式识别 (cs.CV) ; 人工智能 (cs.AI) ; 机器学习 (cs.LG)

[76] arXiv:2509.00827 (交叉列表自 cs.CV) [中文pdf, pdf, 其他]

标题： 基于重建的模糊U-Net-ViT的Gabor滤波表面缺陷检测 显示英文标题

标题： Surface Defect Detection with Gabor Filter Using Reconstruction-Based Blurring U-Net-ViT

Jongwook Si, Sungyoung Kim

主题： 计算机视觉与模式识别 (cs.CV)

[77] arXiv:2509.00831 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： UPGS：动态场景去模糊的统一姿态感知高斯点云渲染 显示英文标题

标题： UPGS: Unified Pose-aware Gaussian Splatting for Dynamic Scene Deblurring

Zhijing Wu, Longguang Wang

主题： 计算机视觉与模式识别 (cs.CV)

[78] arXiv:2509.00833 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： SegDINO：一种基于DINO-V3的医学和自然图像分割的高效设计 显示英文标题

标题： SegDINO: An Efficient Design for Medical and Natural Image Segmentation with DINO-V3

Sicheng Yang, Hongqiu Wang, Zhaohu Xing, Sixiang Chen, Lei Zhu

主题： 计算机视觉与模式识别 (cs.CV)

[79] arXiv:2509.00835 (交叉列表自 cs.CV) [中文pdf, pdf, 其他]

标题： 基于Swin Transformer-混合U-Net和分水岭损失的卫星图像去雾应用 显示英文标题

标题： Satellite Image Utilization for Dehazing with Swin Transformer-Hybrid U-Net and Watershed loss

Jongwook Si, Sungyoung Kim

主题： 计算机视觉与模式识别 (cs.CV)

[80] arXiv:2509.00843 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： 超越视野：通过全景图和视频扩散的两阶段场景视图生成 显示英文标题

标题： Look Beyond: Two-Stage Scene View Generation via Panorama and Video Diffusion

Xueyang Kang, Zhengkang Xiang, Zezheng Zhang, Kourosh Khoshelham

评论： 26页，30图，2025年ACM多媒体

主题： 计算机视觉与模式识别 (cs.CV) ; 人工智能 (cs.AI)

[81] arXiv:2509.00859 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： 量化遇见异常检测：从平坦性角度进行可泛化的量化感知训练 显示英文标题

标题： Quantization Meets OOD: Generalizable Quantization-aware Training from a Flatness Perspective

Jiacheng Jiang, Yuan Meng, Chen Tang, Han Yu, Qun Li, Zhi Wang, Wenwu Zhu

主题： 计算机视觉与模式识别 (cs.CV)

[82] arXiv:2509.00872 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： 将临床先验作为姿态：用于脊柱侧弯筛查的学习双重表示 显示英文标题

标题： Pose as Clinical Prior: Learning Dual Representations for Scoliosis Screening

Zirui Zhou, Zizhao Peng, Dongyang Jin, Chao Fan, Fengwei An, Shiqi Yu

评论： 被MICCAI 2025接受

主题： 计算机视觉与模式识别 (cs.CV) ; 人工智能 (cs.AI)

[83] arXiv:2509.00905 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： 聚光灯：从代表性挖掘视角重新审视提示调优 显示英文标题

标题： Spotlighter: Revisiting Prompt Tuning from a Representative Mining View

Yutong Gao, Maoyuan Shao, Xinyang Huang, Chuang Zhu, Lijuan Sun, Yu Weng, Xuan Liu, Guoshun Nan

评论： 被EMNLP 2025接收为成果

期刊参考： EMNLP 2025

主题： 计算机视觉与模式识别 (cs.CV) ; 人工智能 (cs.AI)

[84] arXiv:2509.00917 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： DarkVRAI：捕获条件条件化和突发顺序选择性扫描用于低光RAW视频去噪 显示英文标题

标题： DarkVRAI: Capture-Condition Conditioning and Burst-Order Selective Scan for Low-light RAW Video Denoising

Youngjin Oh, Junhyeong Kwon, Junyoung Park, Nam Ik Cho

主题： 计算机视觉与模式识别 (cs.CV)

[85] arXiv:2509.00969 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： 看到更多，说出更多：轻量级语言专家是动态视频标记压缩器 显示英文标题

标题： Seeing More, Saying More: Lightweight Language Experts are Dynamic Video Token Compressors

Xiangchen Wang, Jinrui Zhang, Teng Wang, Haigang Zhang, Feng Zheng

评论： 17页，8张图，EMNLP2025

主题： 计算机视觉与模式识别 (cs.CV)

[86] arXiv:2509.00989 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： 面向多光谱成像与高斯点云的融合 显示英文标题

标题： Towards Integrating Multi-Spectral Imaging with Gaussian Splatting

Josef Grün, Lukas Meyer, Maximilian Weiherer, Bernhard Egger, Marc Stamminger, Linus Franke

评论： 对于项目页面，请参见 https://meyerls.github.io/towards_multi_spec_splat/

主题： 计算机视觉与模式识别 (cs.CV)

[87] arXiv:2509.01013 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： 天气依赖的驾驶员注视行为变化：雨天情况下的案例研究 显示英文标题

标题： Weather-Dependent Variations in Driver Gaze Behavior: A Case Study in Rainy Conditions

Ghazal Farhani, Taufiq Rahman, Dominique Charlebois

评论： 被2025年IEEE车辆电子与安全国际会议（ICVES）接受

主题： 计算机视觉与模式识别 (cs.CV)

[88] arXiv:2509.01019 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： 基于人工智能的珊瑚重新种植装置分发，用于大堡礁的大规模修复 显示英文标题

标题： AI-driven Dispensing of Coral Reseeding Devices for Broad-scale Restoration of the Great Barrier Reef

Scarlett Raine, Benjamin Moshirian, Tobias Fischer

评论： 6页，3图

主题： 计算机视觉与模式识别 (cs.CV) ; 机器学习 (cs.LG) ; 机器人技术 (cs.RO)

[89] arXiv:2509.01028 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： CompSlider：用于解耦多属性图像生成的组合滑块 显示英文标题

标题： CompSlider: Compositional Slider for Disentangled Multiple-Attribute Image Generation

Zixin Zhu, Kevin Duarte, Mamshad Nayeem Rizve, Chengyuan Xu, Ratheesh Kalarot, Junsong Yuan

评论： 被ICCV 2025接受

主题： 计算机视觉与模式识别 (cs.CV)

[90] arXiv:2509.01033 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： 透过模糊玻璃：单次拍摄的遮挡去除 显示英文标题

标题： Seeing through Unclear Glass: Occlusion Removal with One Shot

Qiang Li, Yuanming Cao

主题： 计算机视觉与模式识别 (cs.CV) ; 人工智能 (cs.AI)

[91] arXiv:2509.01071 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： 一种统一的低层次基础模型以提高病理图像质量 显示英文标题

标题： A Unified Low-level Foundation Model for Enhancing Pathology Image Quality

Ziyi Liu, Zhe Xu, Jiabo Ma, Wenqaing Li, Junlin Hou, Fuxiang Huang, Xi Wang, Ronald Cheong Kin Chan, Terence Tsz Wai Wong, Hao Chen

主题： 计算机视觉与模式识别 (cs.CV)

[92] arXiv:2509.01080 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： SpectMamba：将频域和状态空间模型相结合以增强医学图像检测 显示英文标题

标题： SpectMamba: Integrating Frequency and State Space Models for Enhanced Medical Image Detection

Yao Wang, Dong Yang, Zhi Qiao, Wenjian Huang, Liuzhi Yang, Zhen Qian

主题： 计算机视觉与模式识别 (cs.CV)

[93] arXiv:2509.01085 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： 双向稀疏注意力用于更快的视频扩散训练 显示英文标题

标题： Bidirectional Sparse Attention for Faster Video Diffusion Training

Chenlu Zhan, Wen Li, Chuyu Shen, Jun Zhang, Suhui Wu, Hao Zhang

主题： 计算机视觉与模式识别 (cs.CV)

[94] arXiv:2509.01095 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： 用于视频多人姿态估计的端到端框架 显示英文标题

标题： An End-to-End Framework for Video Multi-Person Pose Estimation

Zhihong Wei

主题： 计算机视觉与模式识别 (cs.CV)

[95] arXiv:2509.01097 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： PVINet：点云压缩的点-体素交错网络 显示英文标题

标题： PVINet: Point-Voxel Interlaced Network for Point Cloud Compression

Xuan Deng, Xingtao Wang, Xiandong Meng, Xiaopeng Fan, Debin Zhao

主题： 计算机视觉与模式识别 (cs.CV)

[96] arXiv:2509.01107 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： FICGen：面向布局驱动的退化图像生成的频率启发上下文解缠方法 显示英文标题

标题： FICGen: Frequency-Inspired Contextual Disentanglement for Layout-driven Degraded Image Generation

Wenzhuang Wang, Yifan Zhao, Mingcan Ma, Ming Liu, Zhonglin Jiang, Yong Chen, Jia Li

评论： 21页，19图，ICCV 2025

主题： 计算机视觉与模式识别 (cs.CV)

[97] arXiv:2509.01109 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： GPSToken：高斯参数化空间自适应标记化用于图像表示和生成 显示英文标题

标题： GPSToken: Gaussian Parameterized Spatially-adaptive Tokenization for Image Representation and Generation

Zhengqiang Zhang, Rongyuan Wu, Lingchen Sun, Lei Zhang

主题： 计算机视觉与模式识别 (cs.CV)

[98] arXiv:2509.01144 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： MetaSSL：一种半监督医学图像分割的通用异构损失 显示英文标题

标题： MetaSSL: A General Heterogeneous Loss for Semi-Supervised Medical Image Segmentation

Weiren Zhao, Lanfeng Zhong, Xin Liao, Wenjun Liao, Sichuan Zhang, Shaoting Zhang, Guotai Wang

评论： 13页，12图。这项工作已被IEEE TMI接收

主题： 计算机视觉与模式识别 (cs.CV)

[99] arXiv:2509.01157 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： MVTrajecter：具有轨迹运动成本和轨迹外观成本的多视角行人跟踪 显示英文标题

标题： MVTrajecter: Multi-View Pedestrian Tracking with Trajectory Motion Cost and Trajectory Appearance Cost

Taiga Yamane, Ryo Masumura, Satoshi Suzuki, Shota Orihashi

评论： 被ICCV 2025接受

主题： 计算机视觉与模式识别 (cs.CV)

[100] arXiv:2509.01167 (交叉列表自 cs.CV) [中文pdf, pdf, html, 其他]

标题： 视频语言模型真的知道该看哪里吗？ 诊断视频语言模型中的注意力失败 显示英文标题

标题： Do Video Language Models Really Know Where to Look? Diagnosing Attention Failures in Video Language Models

Hyunjong Ok, Jaeho Lee

评论： 预印本

主题： 计算机视觉与模式识别 (cs.CV) ; 计算与语言 (cs.CL) ; 机器学习 (cs.LG)