LASER：预判引导的视频物体状态读取智能体

研究者袁鹤天、宋彦提出 LASER，一种预判引导的智能体，用于视频物体状态读取。它把对下一步变化的预判转化为针对性的视觉问题，先检查当前帧确定属性值，再用后续帧的独立观察校验读取与预测，并迭代修正状态记录以生成最终描述。 整个过程模型参数保持冻结，可复用的文本观察技能通过追踪与参考描述的差异来修正。在 OSCaR 和 PLM RCap 两个基准上，LASER 相比强基线和现有方法取得一致提升。

AI 根据报道生成 · 46 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。