研究者发布THG-Omni视频推理图监督框架

研究者在arXiv提交论文，提出THG-Omni——一个以人为中心的图监督框架，用于视频推理。该框架将Segment Anything Model 3的参与者轨迹与基于时间的Qwen3-VL标注相链接，训练全模态模型从结构化图理解人物属性、动作、情感与交互。 论文称，在NExT-QA基准上，输入匹配图时THG-Omni达到89.54%准确率，无图输入时为85.10%。代码已开源。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。