907 B
907 B
Tempo-R0: A Video-MLLM for Temporal Video Grounding through Efficient Temporal Sensing Reinforcement Learning
- 年份：2025
- 阅读深度：重点章节阅读
- 官方链接：https://arxiv.org/html/2507.04702
摘要（中文转述）
Tempo-R0 面向视频时间定位，让模型自适应选择观察帧并输出带时间戳的答案。训练先进行监督微调，再使用包含格式正确性、时间区间重叠和拒答行为的可验证奖励进行策略优化。其核心价值是把时间定位转化为可以自动评分的推理行为。
与当前项目的关系
论文说明明确、可验证的时间奖励能够改善生成式边界定位，但它处理的是离线时间区间生成，而不是 5 Hz 在线多标签预测。可借鉴的部分是基于 onset/offset 容差、边界 IoU 和提前量的奖励设计；不可直接据此断言 GRPO 会优于当前交叉熵。