X-Prompt是用于多模态视频目标分割的通用框架，解决传统方法在极端光照、快速运动和背景干扰等复杂场景下的局限性。通过预训练一个基于 RGB 数据的视频目标分割基础模型，使用额外的模态信息（如热成像、深度或事件相机数据）作为视觉提示，将基础模型适应到下游的多模态任务中。

X-baidu09Prompt – 用于多模态视频目标分割的通用框架 第1张
（图片来源网络，侵删）
X-baidu09Prompt – 用于多模态视频目标分割的通用框架 第2张
（图片来源网络，侵删）