Jul, 2022

TS2-Net: 文本-视频检索的令牌位移与选择变换器

TL;DR本文介绍了一种新颖的Token Shift and Selection Network (TS2-Net),其中Token Shift模块在时间上移动整个Token特征以捕捉场景的微小变化,而Token Selection模块选择对局部空间语义贡献最大的Token。在各项主要text-video检索基准上,实验结果表明TS2-Net取得了最新的最优性能。