unlabeled videos | BriefGPT

关键词unlabeled videos

搜索结果 - 12

CVPR学习从图像描述到视频检索
我们提出了一种协议来研究使用未标注视频进行文本到视频检索训练，在这种协议下，我们不假设对任何视频有标签的访问，即没有对应用真实字幕的视频集的访问权限；但我们可以通过文本形式访问有标签的图片。使用图像专家模型是一个现实的场景，因为注释图像比昂
PDF2 months ago
CVPRDIBS: 通过伪边界丰富和在线优化提升无标签视频的密集视频字幕
我们提出了 Dive Into the BoundarieS (DIBS)，这是一种新颖的预训练框架，用于密集视频字幕生成（DVC），强调改善来自未标记视频的生成事件字幕的质量以及相关的伪事件边界。通过充分发挥多样性大型语言模型（LLMs）
PDF3 months ago
使用未标记的视频和预训练语言 - 视觉模型进行文本 - 音频合成的 CLIPSonic
利用预训练模型和未标注视频数据，本研究提出了一个新的方法来实现从文本到音频的合成。研究使用频繁出现的视听对应来克服高质量文本标注存在的难点，并通过传输模式来进一步提升性能。
PDFa year ago
使用视频预测模型作为强化学习的奖励
本研究提出了一种名为 VIPER 的算法，可以从未标记的视频中提取出训练模型，作为强化学习的无手段奖励信号，以实现专家级控制，在 Atari 和 RLBench 等任务中具有良好的通用性和扩展性。
PDFa year ago
面具特征预测用于自监督视觉预训练
本研究提出了 Masked Feature Prediction (MaskFeat) 方法，它使用随机遮挡的方式自我监督预训练视频模型，主要利用 Histograms of Oriented Gradients（HOG）这种手工特征描述符
PDF3 years ago
CVPR从静止图像中学习光流
本文介绍了一种从真实图片中快速生成大量准确的光流标注的框架，该框架利用单目深度估计网络构建可能的点云，通过虚拟相机运动合成新视角和对应的光流场，实现对现有数据的有效利用，并提高了视觉光流网络在真实场景中的泛化和特化性能。
PDF3 years ago
AAAI自监督对应学习的对比转换
本研究旨在通过使用野外未标记视频进行自监督学习的视觉对应关系。我们的方法同时考虑了可靠对应估计的视频内部和视频间的表示关联。
PDF4 years ago
CVPR联合自监督时域适应进行动作分割
本研究提出了一种自监督时序领域自适应方法，将动作分割任务作为一个跨领域问题进行重新构造，通过利用未标记的视频来解决由空间 - 时间变化引起的域间差异问题，同时还使用二进制和连续领域预测两个辅助任务，以匹配局部和全局时间动态的特征空间，表现优
PDF4 years ago
ICLR无监督发现部件、结构和动态
本文提出了基于无标注视频的 “物体部件、结构和动态模型”（PSD）模型，可以同时学习层次化、解耦合的物体表示以及物体部件的动态模型，并且在多个真实和合成数据集上都表现良好，实现了物体部件的分割、层次结构的构建以及运动分布的捕捉。
PDF5 years ago
ICCV具有奇异值剪切的时间生成对抗网络
本文提出了一种生成式模型 Temporal Generative Adversarial Nets（TGAN），用于学习未标记视频的语义表示，并能够生成视频。我们的模型利用两种不同类型的生成器：时间生成器和图像生成器，解决了利用现有的基于
PDF8 years ago
利用视频进行无监督学习的视觉表示
本文介绍了一种使用大量未标记数据进行无监督学习的方法，通过使用数十万个未标记的 web 视频作为数据集，设计了一个具有排名损失函数的 Siamese-Triplet 网络，用于深度卷积神经网络的无监督学习，可在不使用 ImageNet 的情
PDF9 years ago
计算机婴儿学习
本文提出了一种基于先前知识建模、示例学习和视频上下文学习的轻度半监督目标检测的计算模型，通过与现实实例的交互，从未标记的视频中检测并识别出更多的实例，进一步提高识别能力。
PDF10 years ago