⌘ K
… 读取采集状态 同步中...
雷
原文
机器之心· 机器之心·· 2026-08-11AI 评分47

RefCaptioner:让视频描述与参考图精准对应

VLM会描述视频,却未必用对参考图:RefCaptioner让参考图与视频语义精准对应

AI 导读

RefCaptioner 以 Qwen3-VL-8B-Instruct 为基座,通过 SFT 与 HCD-GRPO 后训练,让模型在生成视频描述的同时从最多 22 张候选参考图中选出视频实际出现的内容并绑定到对应短语,同时排除干扰图。

本文当前提供导读和图片预览,完整图文请查看原文。

来源:机器之心 · mp.weixin.qq.com