提出BehaviorVLM框架,通过引导预训练视觉-语言模型(VLM)执行多阶段、可验证的推理步骤,实现无需任务特定微调和极少人工标注的动物姿态估计与行为理解;在姿态估计中融合时序、空间与跨视角约束,在行为理解中结合嵌入聚类、VLM视频描述与LLM语义整合,提升了分析的可扩展性、可解释性与标注效率。
机构:佐治亚理工
来源:arXiv 2603.12176 | AI4Papers 论文推荐平台
AI4Papers 是一个以每日 arXiv 论文发现为入口的 AI 科研工作流平台,帮助研究者用最短时间掌握最新 AI/ML 前沿动态。
核心功能完全免费。高级 AI 功能(对比分析、深度研究、灵感工作台)支持自带兼容 API Key(如 OpenAI、通义千问)无限使用。
免费注册 | 使用教程