Person Centric Visual Grounding

Person-centric Visual Grounding bezieht sich auf die Aufgabe, eine im textuellen Beschreibung erwähnte Person mit der tatsächlichen Person in einem Bild zu verknüpfen. Ziel dieser Aufgabe ist es, durch die Integration von visueller und textueller Information eine präzise Lokalisierung und Erkennung spezifischer Individuen zu erreichen, wodurch die Genauigkeit und Effizienz des multimodalen Inhaltsverstehens gesteigert wird. Diese Technologie hat erhebliche Anwendungswerte in Bereichen wie Mensch-Computer-Interaktion, intelligente Überwachung und Multimedia-Informationsabruf.