该模块通过整合对齐器（Aligner）和多上下文增强器（MCE），显著提升时序建模能力，在MeViS等数据集上实现J&F分数47.6的突破，为跨模态交互与动态目标分割提供新思路。 在计算机视觉领域，指代视频目标分割（Referring Video Object Segmentation, RVOS）是一项极具挑战性 ...