Facial Dynamics in Video: Instruction Tuning for Enhanced Facial Expression Perception and Contextual Awareness
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了新的指令跟随数据集和FaceTrack-MM模型，以解决视频多模态大型语言模型在面部表情描述中的不足。该模型能够有效追踪复杂场景中的面部表情，显著提升视频MLLMs的性能。
🏷️
