moment retrieval | BriefGPT

关键词moment retrieval

搜索结果 - 10

2DP-2MRC：面向多模态时刻检索的二维指针机器阅读理解方法
本研究提出了一种新颖的二维指针式机器阅读理解模型，用于解决基于片段的方法中不精确的定位问题，并在保持较低计算复杂性的同时，显著优于现有基准模型。
PDFa month ago
UniMD: 迈向统一的时刻检索和时间动作检测
通过提出统一的时刻检测架构 UniMD 以及两种任务融合学习方法，本论文研究了时态动作检测（TAD）和时刻检索（MR）之间的潜在协同效应，并在多个数据集上实现了最先进的结果。
PDF3 months ago
GPTSee: 通过基于描述的相似特征增强时刻检索和亮点检测
通过将生成的视频描述和查询语句在第二阶段的 Transformer 编码器 - 解码器中计算语义相似度并将高相似度的视频帧转换为位置信息，我们的方法在时刻检索和重点检测任务中表现出色，超过了传统方法 Moment-DETR 的定位准确性。
PDF4 months ago
视频表示学习中基于相关性引导的查询依赖校准用于时间标定
设计了一种基于相关性引导的检测变换器（CG-DETR），通过自适应的交叉关注层、推断视频剪辑和单词之间的细粒度相关性以及视频剪辑的文本参与度，对视频和文本查询之间的模态差距进行强大的跨模态交互，提高了瞬间检索和精彩时刻检测的性能。
PDF8 months ago
ICCVUnLoc：一个用于视频定位任务的统一框架
使用预训练图像和文本模型 UnLoc，通过视频文本融合模型预测每帧的相关性得分和起始 / 结束时间位移，实现了瞬间检索、时间定位和动作分割的统一处理，优于先前的方法。
PDFa year ago
使用对比式 3D 人体动作合成进行文本到动作的检索
该论文提出了 TMR 方法，利用对比损失结构化跨模态潜在空间，提高文本到 3D 人体运动检索的性能，并在多个数据集上验证了其优越性能，同时也展示了其在时刻检索方面的潜力。
PDFa year ago
SIGIR多粒度感知网络用于视频中的时刻检索
该论文提出了一种新的多粒度感知网络 (MGPN)，旨在改善视频中的时刻检索，将时刻检索建模为一种多选阅读理解任务，结合人类阅读策略，并通过优化算法提高了检索精度。
PDF2 years ago
CVPRUMT: 统一多模态 Transformers 用于联合视频片段检索和亮点检测
本研究提出了一个名为 UMT 的统一多模态转换器的框架，能够实现时刻检索和精华视频检测的联合优化，并且能够轻松地退化为解决单个问题。实验结果表明，该方法在各种设置下都具有有效性、优越性和灵活性。
PDF2 years ago
QVHighlights: 通过自然语言查询识别视频中的时刻和亮点
本篇研究提出了基于问题的视频亮点（QVHIGHLIGHTS）数据集，用于开发和评估系统以检测有关时刻以及突出亮点，同时使用 Moment-DETR，一个转换器编码器 - 解码器模型，将时刻检索视为直接预测问题，并且在利用 ASR 注释和进行
PDF3 years ago
AAAI自然语言时序相邻网络学习用于时刻定位
本文提出了一个基于 2D 时间映射的 Temporal Adjacent Network（2D-TAN）框架，用于在未修剪的视频中匹配与查询句子相关的特定时间点，该框架可以编码相邻的时间关系，并学习具有区分性的特征以提高活动识别的准确性，通
PDF5 years ago