CurEvo：基于课程学习的视频理解自演化框架

最新进展表明，自演化视频理解框架在无需人工标注的情况下展现出自主学习的潜力。然而，现有方法常因缺乏迭代学习过程中结构化指导，导致优化控制不足和难度 progression 失控。为此，我们提出 CurEvo，一种课程引导的自演化框架，通过引入课程学习实现更结构化、渐进式的模型改进。CurEvo 动态调节任务难度、细化评估标准、并依据模型能力平衡数据多样性，形成课程引导的反馈回路，使学习复杂度与模型能力相匹配。基于此原则，我们构建了一个多维自适应问答框架，联合演化问题生成与答案评估，涵盖感知、识别与理解三个维度，确保课程 progression 的连贯性与可衡量性。通过这种集成，CurEvo 将弱控制的自演化转化为自主视频理解的更结构化学习过程。在七种 backbone 上，CurEvo 在四个 VideoQA 数据集上 consistently 提升基准准确率和评估器基于的语义得分，验证了课程引导的自演化对视频理解的有效性。