arXiv · Computer Vision· Abu Hanif Muhammad Syarubany, Jaehyun Jang, Siwoo Lim, Seungyeon Ryu, Chang D. Yoo·2026-10-01 12:00· 3 小时前AI 评分31

Sa2VA 结合事件驱动刷新与循环记忆以减少指代视频目标分割中的过时定位

Event-Driven Refresh and Recurrence Memory to Reduce Stale Grounding in Referring Video Object Segmentation

AI 导读

Sa2VA 结合多模态大语言模型与 SAM2 进行指代视频目标分割（RVOS），但固定关键帧传播在长视频或目标变化时会导致过时定位和误检。EDRRM 通过 EMA 平滑事件分数在稳定变化点选择性重触发 Sa2VA，并用 CLIP 相似度检索循环记忆锚帧。