关键词spatial and temporal cues
搜索结果 - 4
- 基于置信度引导的自适应门控机制和双重差分增强的视频显著目标检测
本文提出了一种新的适应性框架来捕捉从空间和时间线索中提取出的可用信息,其中包括 CAG 模块和 DDE 模块,并在四个广泛使用的数据集上进行了实验证明其相对于 13 种最先进方法的有效性。
- CVPR全球引导下的视频人物再识别的互相学习
该论文提出了一种新颖的全球引导的互逆学习(GRL)框架,其中包括全局引导相关估计(GCE)和时态互逆学习(TRL)机制,用于视频人员重新识别,可以更好地利用视频中的空间和时间线索,并在三个公共基准上实现了比其他现有技术更好的表现。
- CVPR时空对比视频表征学习
本文引入了一种基于对比损失的自监督对比视频表示学习方法,利用在嵌入空间中相同短视频的两个增强剪辑进行学习,同时将来自不同视频的剪辑分开。这种自我监督学习方法需要好的数据增强和虚拟时间和模拟空间的知识,在 Kinetics-600 数据集上, - 深度转向:从时空视觉线索中学习端到端驾驶模型
本文研究利用低成本车载摄像头进行自主驾驶算法,并通过深度神经网络将原始输入图像直接映射到方向盘角度的视觉模型,提出了一种结合空间和时间线索的模型,有助于解释学习到的模型,通过分析人类驾驶数据,比较了此模型与其他自主驾驶车辆状态先进模型的性能