temporal grounding | BriefGPT

关键词temporal grounding

搜索结果 - 11

动物行为基于时间性的定位恢复训练
提出了一种新颖的位置恢复训练框架（Port），该框架在动物行为数据中解决了时间定位的挑战，通过基于真实信息的重建部分和双重对齐方法，使模型能够专注于特定的时间区域。在动物王国数据集上的大量实验表明，Port 的有效性，其在 ICME 202
PDF2 months ago
CVPRSnAG: 视频定位的可扩展和准确性
在本文中，我们研究了跨模态融合对视频定位模型可扩展性的影响，通过分析发现，针对长视频和大量文本查询的情况，后期融合是一种更具成本效益的融合方案，并提出了一种基于视频的采样方案以实现高效训练。基于这些发现，我们提出了 SnAG，作为可扩展且准
PDF3 months ago
通过叙述学习将说明文章与视频联系起来
本文提出了一种无需手动监督的方法来将『如何做』视频中的步骤与 wikiHow 等语言知识库中的指导文章进行对齐，并采用多模态对齐进行全局时间定位，验证结果表明与现有方法相比具有明显优势。
PDFa year ago
ECCV混洗视频是否有益于解决时间偏置问题：一种新的时间定位训练框架
该论文提出了一种新的培训框架，通过使用混洗的视频来解决时间偏差问题，该框架引入了交叉模态匹配和时间顺序区分两个辅助任务来促进模型训练，以强化其对于长期时间上下文的理解和减轻依赖于时间偏差的影响。
PDF2 years ago
结构化变分跨图对应学习的组合时序对齐
介绍了一个新的机遇 Compositional Temporal Grounding 任务和两个新的数据集拆分，即 Charades-CG 和 ActivityNet-CG，用于测试模型的组合泛化能力，提出了一个变异的跨图推理框架来应对这一
PDF2 years ago
AAAI负样本很重要：度量学习在时间定位中的复兴
该文提出了一种度量学习框架下使用互相匹配网络来解决视频时序定位问题，通过构造负交叉模态对和跨不同视频的负对样本来增强联合表示学习的性能，实验表明该方法在四个视频时序定位基准测试上取得了与最先进方法相比高度竞争的表现，并为第三个 PIC 研讨
PDF3 years ago
ACLEVOQUER: 通过视频相关的反向查询生成增强时间定位
本文提出了一种时间定位框架 EVOQUER，它结合了文本视频定位模型和视频辅助查询生成网络，从而实现了查询 - 视频结合的闭环学习，并在两种流行数据集上进行实验，显示出较好的性能提升和错误分析方法。
PDF3 years ago
CVPR拥抱不确定性：解耦和去偏差用于稳健的时间先验
本文提出一种名为 DeNet 的方法，它通过 Decoupling 和 De-bias 机制来消除人类主观性带来的查询和标记不确定性，从而在视觉理解领域中的多标签度量方面取得了更好的性能。
PDF3 years ago
MM弱监督时间轴自然语言地点在未剪辑视频中的强化学习
该研究提出了一个基于强化学习的边界自适应精细化（Boundary Adaptive Refinement，BAR）框架，用于加强视频中自然语言的时间地位确定性，无需精细的标注，并证明其性能优于现有的弱监督和一些有竞争力的全监督方法。
PDF4 years ago
基于多级弱监督关注重建网络的视频文本查询锚定
本文提出一种基于弱监督学习的多级注意力重建网络（MARN）来实现视频中文本查询的时间定位，该方法又利用注意重建的思想，建立了一个候选时间片段的注意力模型，并利用候选片段和视频句子对进行训练。作者还利用 2D 卷积来提取更可靠的注意力图，并在
PDF4 years ago
更加注重细节：视频中句子的弱监督时间根据地
本文研究了弱监督下的视频句子时间定位问题，提出了一个两阶段模型，通过多尺度滑动窗口形成时间片段的间隔性建议，和在特征空间进行粗细匹配定位，最终在 ActivityNet Captions 数据集和 Charades-STA 数据集上取得良好
PDF4 years ago