面具扩散 + 任务感知:教学视频中的程序规划

💡 原文中文,约500字,阅读约需2分钟。
📝

内容提要

该文介绍了一种处理教学视频中多个动作类型的决策空间的方法,即掩蔽扩散模型。该方法使用面向任务的注意力过滤器来集中扩散/去噪过程在一部分动作类型上,同时采用联合视觉-文本嵌入来增强任务分类的准确性。

🏷️

标签

➡️

继续阅读