Nghiên cứu
RefCaptioner: Bước tiến mới trong tạo mô tả video dựa trên nhiều hình ảnh tham chiếu
(giờ Việt Nam)
Tóm tắt AI
RefCaptioner giới thiệu phương pháp mới giúp mô tả video chính xác hơn bằng cách kết hợp nhiều hình ảnh tham chiếu, tối ưu hóa qua quy trình hai giai đoạn và bộ dữ liệu MRVBench chuyên biệt.
Bản dịch AI
Tác giả: Tengfei Liu, Yang Shi, Yuran Wang, Xiaohan Zhang, Yuqing Wen, Yuqi Tang, Qixun Wang, Zhuoran Zhang, Xuanyu Zhu, Weihong Lin, Xinlei Yu, Yujie Wei, Xinwei Long, Fengxiang Wang, Xinlong Chen, Yue Ding, Jialu Chen, Haotian Wang, Yuanxing Zhang
Xem PDF
DOI do arXiv cấp thông qua DataCite (đang chờ đăng ký)
Lịch sử gửi bài
Từ: Tengfei Liu [xem email] [v1] Thứ Năm, 30 tháng 7 năm 2026 16:48:28 UTC (23.426 KB)
Bài viết được AI dịch và tổng hợp tự động từ HuggingFace Daily Papers (Nổi bậtBài nghiên cứu). Liên kết bài gốc ở phía trên. Dữ liệu đồng bộ qua API công khai được ghi nguồn tại AI HOT (canonical) ↗. AIHOT.vn luôn dẫn nguồn đầy đủ — nếu bạn thấy điểm cần chỉnh sửa, hãy gửi ý kiến tại trang phản hồi.