Deformable Semantic-Motion Fusion

深度分析

「ScanFocus」以粗到細機制提升時空視訊定位（STVG）邊界精度

時空視訊定位在處理長影片時常因低採樣率而遺失高頻邊界資訊，導致定位不準。ScanFocus 提出一套從粗到細的框架，將任務分為全域掃描與局部聚焦，利用語義導引時間聚合器在邊界周圍進行密集採樣，以恢復被抑制的細節並精確回歸時間戳記。該方法在多個主流基準測試中展現出優於現有 SOTA 模型的偵測精度。