用儿童第一视角视频训练词汇学习模型

研究团队用 BabyView 语料库训练跨情境词汇学习模型，该语料库包含 48 名儿童、2441 小时的纵向第一视角视频。模型能学到物体与标签的映射。 使用互联网预训练的视觉表征时，模型表现远高于仅从发育视频数据学习视觉表征；大部分学习信号来自少数描述可见指称对象的语句。模型习得的词汇表征呈现可识别的人类式语义结构，但训练过程中的表现轨迹与儿童差异明显。

AI 根据报道生成 · 56 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。