arXiv · Machine Learning· Minsak Nanang, Adrian Hilton, Armin Mustafa·· 10 小时前AI 评分34
CaGMulA：资源与监管约束下基于目录的博物馆视频多模态归因
Catalogue-Grounded Multimodal Attribution for Museum Video under Resource and Regulatory Constraints
AI 导读
CaGMulA提出一种可本地部署的博物馆视频多模态归因流程，结合视频语言模型、结构化目录检索与支持拒答的决策策略。在18段馆内视频上，开放式生成的覆盖率为0%，闭集目录检索覆盖率达100%、已接受标题—艺术家正确率为62%；验证器门控混合模式覆盖率为50%，正确率提升至78%。结果表明，可靠归因依赖目录 grounding、视觉检索与选择性拒答。
来源：arXiv · Machine Learning · arxiv.org