OpenMixer: En ny tilgang til åben ordforrådshandlingsdetektion

OpenMixer er en ny åben ordforrådshandlingsdetektionsmetode, der udnytter semantikken og lokaliseringen af ​​store visuelle sprogmodeller (VLM), kombineret med designet af forespørgselsbaserede detektionstransformatorer (DETR), for at løse handlingsdetektion i den åbne verden. Eksperimenter viser, at OpenMixer overgår baseline-metoder til at detektere både sete og usete handlinger.