Vgsi

L'Identification Visuelle de l'Objectif et de la Scène (IVOS) est une tâche avancée dans le domaine de la vision par ordinateur qui vise à sélectionner une image raisonnable et cohérente avec l'intention de l'objectif en analysant des objectifs textuels et plusieurs images d'événements candidats. Cette tâche nécessite non seulement que le modèle reconnaisse précisément les actions spécifiques dans les images, mais aussi qu'il comprenne les intentions derrière ces actions, permettant ainsi de prendre des décisions correctes dans des scènes complexes. L'IVOS a une valeur d'application importante dans les assistants intelligents, les systèmes automatisés et l'interaction homme-machine, améliorant les capacités de prise de décision et l'expérience utilisateur de ces systèmes.