Oct, 2021
一种 CLIP 增强的视频 - 语言理解方法
A CLIP-Enhanced Method for Video-Language Understanding
Guohao Li, Feng He, Zhifan Feng
TL;DR本技术报告总结了我们针对 Video-And-Language Understanding Evaluation（VALUE）挑战（此网址 https://...）的方法。我们提出了 CLIP-Enhanced 方法，将图像 - 文本预训练知识纳入到下游的视频 - 文本任务中，并结合其他几种改进的设计，使我们的方法在 VALUE 基准上提高了 2.4%（从 57.58 到 60.00 的 Meta-Ave 得分），超越了现有技术的水平。