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