通过伴随的叙述语的弱监督学习，提出了一种学习广告副词表示的方法，使用缩放点积注意力从指导视频中学习，并联合学习广告副词作为反演变换。实验结果表明，该方法在视频到副词检索方面的表现优于所有基线。

Dec, 2019

在视频的细粒度理解中，我们提出了一个视频 - 副词检索的框架，通过在联合嵌入空间中将视频嵌入与其匹配的组成副词 - 动作文本嵌入进行对齐。我们的方法在视频 - 副词检索的五个最新基准上实现了最新的性能，同时引入了基于 MSR-VTT Adverbs 和 ActivityNet Adverbs 数据集子集的未见副词 - 动作组合的视频 - 副词检索基准，我们的框架在将副词从视频中检索出未见的副词 - 动作组合的泛化任务上优于所有先前的工作。

Sep, 2023

本研究提出一种半监督学习方法来识别动词的副词，用于了解不同行为之间微小的差异，具有很强的实证效果。

Mar, 2022

本研究提出了一个新的以动词为中心对比学习（Verb-Focused Contrastive，VFC）框架，以改善基于 CLIP 的视频语言模型的动词理解。该方法采用预训练的大型语言模型（LLMs）创建难样本进行跨模态对比学习，以及实施细粒度的动词短语对齐损失。该方法在三个下游任务上实现了零射击性能的最新成果，包括视频文本匹配、视频问答和视频分类。

Apr, 2023

在文本数据增广领域，为了节约成本，基于规则的方法被广泛采用。然而，传统的基于规则的方法可能会丢失给定文本的原始语义。我们提出了一种新颖的文本数据增广策略，通过简单地删除在句子中起辅助作用的副词来避免这种现象。我们的全面实验证明了我们提出的方法的高效性和有效性，不仅适用于单一文本分类，还适用于需要语义保持的自然语言推理。我们公开发布了我们的源代码以供重现。

Mar, 2024

通过从原始视频剪辑中提取物体行为，设计了一个新的框架，通过对这些提取的事实进行推理，识别出剪辑对应的副词类型，实验证明我们提出的方法在符号性视频处理方面表现优异。

Jul, 2023

通过动作为中心的关系三元组，以开放词汇的视频关系抽取为视角，提出了 Moments-OVRE 数据集，并在该任务上对现有的跨模态生成模型进行了基准测试。

Dec, 2023

该研究提出了一个系统，可以从视频中提取事件信息，生成谓语动词，名词短语，形容词修饰语等语言单元，以描述事件中的动作、参与物体、空间关系、特征等，并需要进行事件识别以恢复对象轨迹、角色分配和身体姿势的变化。

Apr, 2012

这篇文章介绍了三个方法：动作识别、动词和名词分类以及空间 - 时间视频注意力模型来解决小动态物体、复杂手部物体交互和遮挡等挑战。

Jul, 2020

本文提出从大量互动丰富的视频数据开始，对人类基本交互的理解进行研究，通过对手部进行分析和注释，获得了更大规模、更丰富多样化的数据，并展示了语义物体接触识别、帧级非语义接触状态识别和手部未来预测等任务的实现。

Dec, 2017