开放词汇：从封闭类别到开放世界

传统动作识别假设类别集合是封闭的——训练时见过哪些类，测试时就只认这些。但真实世界不是这样。

开放词汇设定下，模型需要理解用自然语言描述的任意类别。这要求模型不只是"记住"类别，而是"理解"动作的语义。

VLM（视觉语言模型）提供了文本和视频对齐的可能。把 TAL 迁移到开放词汇，是我为博士阶段准备的核心方向之一。难点在于：如何让时序定位的精度，不因为词汇开放而崩塌。