**时空视觉推理：TCoVP 模型填补视频分割中的视觉参考空白**

_Think Visually Across Space and Time: Grounded Reasoning for Video Segmentation_

> 针对视频推理分割（VRS）任务中纯文本思维链缺乏明确视觉参考的缺陷，研究提出了时空感知的视频思维链（TCoVP）。该模型将查询相关的观察组织成按时间排序的推理链，通过实体参考与时间戳空间证据的交织，引导模型判断目标实体、事件发生时间及证据位置，从而有效解决语言推理与跨帧视觉证据之间的断层问题。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-20 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.25090)