自我训练在开放词汇时间行为定位中的可扩展性探索
原文中文，约1700字，阅读约需4分钟。
📝
内容提要
OVFormer是一种新型开放词汇框架，结合大型语言模型和交叉注意机制，提升视频动作分类和定位效果。通过两阶段训练策略，能够推广到新类别。此外，研究提出了自适应递增学习模型和OpenTAL框架，以解决未知动作问题，实验结果验证了其有效性。
❓
Q&A
OVFormer的主要功能是什么？
OVFormer是一种新型开放词汇框架，结合大型语言模型和交叉注意机制，提升视频动作分类和定位效果。
OVFormer是如何推广到新类别的？
OVFormer采用两阶段训练策略，包括与更大词汇数据集的训练和对下游数据的微调，从而推广到新类别。
自适应递增学习模型的作用是什么？
自适应递增学习模型通过改进聚类置信度和增量实例学习策略，提高无监督时间动作定位效果。
OpenTAL框架解决了什么问题？
OpenTAL框架基于证据深度学习，解决开放场景下的未知动作问题。
T3AL方法的优势是什么？
T3AL方法在测试时间自适应方面显著优于基于视觉语言模型的零样本方法，提升了动作区域定位的效果。
AutoLoc框架如何提高定位精度？
AutoLoc框架通过自动发现分段级别监督训练模型，显著提高了定位精度。
🏷️
