arXiv · cs.AI · Zhaoyu Chen, Yongwei Nie · 8 小时前模型评分35
DTP-OPSD：用干扰感知时序特权在线自蒸馏强化学习做时序视频定位
DTP-OPSD: Reinforcement Learning with Distractor-Aware Temporal-Privilege On-Policy Self-Distillation for Temporal Video Grounding
导读
DTP-OPSD 用干扰感知的时序特权在线自蒸馏强化学习框架解决时序视频定位（TVG，Temporal Video Grounding）中重复或相似事件导致 GRPO 采样全部零 tIoU、无梯度信号的问题：共享权重教师看标注目标窗口与同视频干扰窗口的视频，对学生前缀给出 token 级 Jensen-Shannon 散度监督。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “To address this, we propose DTP-OPSD, a reinforcement learning framework with distractor-aware temporal-privilege on-policy self-distillation.”
- “Code will be released at this https URL”
来源：arXiv · cs.AI · arxiv.org