面向文本基于人异常搜索的高效视觉语言模型微调
计算机视觉与模式识别
2025-02-06 v1 多媒体
摘要
本文介绍了 HFUT-LMC 团队解决 WWW 2025 挑战中文本基于人异常搜索（TPAS）问题的方案。该挑战的主要目标是在大型行人图像库中准确识别表现出正常或异常行为的行人。与传统视频分析任务不同，TPAS 显著强调理解和解释文本描述与视觉数据之间的细微关系。该任务的复杂性在于模型需要不仅在大规模图像数据集中将个体与文本描述匹配，还要在相似描述面前准确区分搜索结果。为克服这些挑战，我们引入了相似性覆盖分析（SCA）策略，以解决相似文本描述导致的识别困难。该策略有效增强了模型处理细微差异的能力，从而提高了搜索的准确性和可靠性。我们提出的解决方案在该挑战中表现出色。
引用
@article{arxiv.2502.03230,
title = {Efficient Vision Language Model Fine-tuning for Text-based Person Anomaly Search},
author = {Jiayi He and Shengeng Tang and Ao Liu and Lechao Cheng and Jingjing Wu and Yanyan Wei},
journal= {arXiv preprint arXiv:2502.03230},
year = {2025}
}
备注
Accepted by 2025 WWW Workshop on MORE