Ссылка на многопоказательное отслеживание с диверсионными динамическими выражениями
arXiv:2406,05039v3 Вид объявления: заменить резюме: Ссылка на понимание является фундаментальной задачей, которая связывает естественное язык и визуальный контент путем локализации объектов, описанных в свободном выражении. Вместе с тем существующие работы сдерживаются ограниченной экспрессивностью языка, не имея возможности моделировать динамику объекта в пространственных числах и временных состояниях. Для устранения этих ограничений мы ввели новую и общую задачу понимания, называемую " ссылка на многоцелевой мониторинг (RMOT). Его основная идея заключается в том, чтобы использовать выражение языка как семантический сигнал для руководства предсказанием многоцелевого отслеживания при всестороннем учете изменений количества объекта и временной семантики. Вместе с RMOT мы введем эталонный показатель RMot под названием Free-KITTI-V2, содержащий масштабируемые и разнообразные языковые выражения. Для эффективной подготовки высококачественных аннотаций, охватывающих динамику объекта с минимальными ручными усилиями, мы предлагаем полуавтоматическую маркировку трубопровода, который формулирует в общей сложности