GPEC：预 LLM 高斯过程嵌入校正提升心脏超声视频描述生成

GPEC 是一种模块化、计算高效的前 LLM 误差校正方法，插入 VideoChat2 的视觉投影层与语言模型之间，通过稀疏变分高斯过程学习残差校正，将视觉表示向标注引导目标对齐。实验在相同输入和参考条件下对比 VideoChat2 与 VideoChat2 + GPEC，显示描述相似度和内容对齐度提升，且每视频推理开销低于 0.05 秒，无需端到端微调预训练多模态骨干。