Помощь в эго-видении

arXiv:2609.06721v 1 Annuaire Type: New Abstract: Friends IA рассматриваются как постоянные помощники, которые поддерживают пользователей в повседневной жизни. В этой связи мы представляем BuddyVQA, ориентир для ответов на вопросы в стиле компаньона (QA) по эгоцентрическому видео. BuddyVQA содержит 21,6K вопросы, связанные с 6K высветительные моменты из 1 012 длинных эгоцентрических видео. Она содержит две основные характеристики, которые являются общими для ежедневной помощи первого человека в области ОК, но во многом игнорируются в существующих контрольных показателях VideoQA: эго-деиктические выражения и интерактивные вопросы с цепью (например, "Где это?", "Как туда попасть?"). Они требуют моделей, чтобы определить намерение пользователя в месте ситуации путем разрешения визуальных местоимений в контексте эгоцентрического визуального и QA содержимого, причем обе модели основаны на длинноформовом режиме потока. Для решения этих задач мы предлагаем MyBuddy, помощника по QA в стиле компаньона, который выделяет мультимодальный цепочка мышления для определения окончательного ответа на основе гистора