QSCP: Beyond Class-Name Prompts for Query-Guided Semantic Change Parsing
Aggiunta all'archivio di AIChronos il (numero del 27 settembre 2026 ricostruito)· fonte del · Yuan Qian, Jie Ma
Il paper introduce QSCP (Query-Guided Semantic Change Parsing), un approccio che supera i limiti dei metodi tradizionali di rilevamento semantico delle modifiche limitati alla localizzazione binaria. A differenza degli esistenti Referring Change Detection basati su prompt di categoria, QSCP supporta nomi di categorie, sinonimi e frasi descrittive per restituire mappe semantiche temporali accoppiate che spiegano le transizioni specifiche richieste dall'utente. Il modello scompone le query in intenzioni e slot semantici, componendo prove visive bidirezionali per prevedere gli stati temporali con un decoder condizionato alla query.
- QSCP gestisce input testuali complessi come sinonimi e frasi descrittive oltre ai semplici nomi di categorie.
- Il sistema genera output binari specifici rispetto alle richieste dell'utente insieme a mappe semantiche temporali accoppiate (source-target).
- L'architettura utilizza un decoder condizionato alla query per prevedere simultaneamente gli stati semantici in due tempi diversi.
- I test su SECOND dimostrano prestazioni superiori rispetto a RCDNet nelle query basate su sinonimi e frasi.
- Gli esperimenti su WHU-CDC confermano la capacità di trasferimento cross-dataset senza addestramento nel dominio target.
Perché conta. ['Permette agli sviluppatori di integrare ragionamenti espliciti sulle transizioni sematiche in agenti autonomi per il monitoraggio ambientale o urbano.', "Rappresenta un passo avanti verso l'uso locale di modelli che comprendono intenzioni complesse senza dipendere esclusivamente da prompt rigidi."]
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.