video models | BriefGPT - AI 论文速递

关键词video models

搜索结果 - 13

VideoCrafter2：克服数据限制以提高视频扩散模型的质量
基于给定提示生成视频的文本到视频生成旨在生成可信的视频。最近，一些商业视频模型能够生成具有最小噪声、出色细节和高美观分数的视频。然而，这些模型依赖于大规模、经过良好过滤、高质量的视频，而这对社区来说是不可获得的。许多现有的研究工作使用低质量
PDF6 months ago
2023 年感知测试：首次挑战与成果总结
在该报告中，我们总结了感知测试挑战的任务描述、指标、基准和结果。
PDF7 months ago
TokenFlow：一致扩散特征用于一致视频编辑
基于文本驱动的视频编辑，我们介绍了一个利用文本到图像扩散模型的框架，生成高质量视频的同时保留输入视频的空间布局和运动，实现编辑视频的一致性。
PDFa year ago
CVPR物体如何帮助动作识别？
本文提出了一种针对视频模型的对象引导的标记采样策略以及对象感知的注意力模块来改善识别精度，并使用较少的标记与强基线匹配，并在处理相同数量的标记时，在 SomethingElse、Something-something v2 和 Epic-K
PDFa year ago
通过关键帧特征中心的指导提升乳腺超声视频分类
探索使用静态图像数据集增强超声视频分类性能的可能性，提出了 KGA-Net 和一致性损失，通过使用静态图像生成的特征中心来引导视频模型中的帧注意力的一致性损失，KGA-Net 显著提高了公共 BUSV 数据集的分类性能，并证明了该方法的解释
PDFa year ago
ICLR为高效视频动作识别调整图像模型的目标
本研究提出了一种适用于影像模型的新方法，通过添加轻量 Adapter 和冻结预训练的影像模型，实现提高影像模型的时空推理能力，该方法在四个视频行为识别基准上取得了与先前方法相当甚至更好的性能。
PDFa year ago
CVPR学习为视频全景分割关联每个段落
本文探讨了如何通过学习粗略的分段级别和细微的像素级别匹配来实现动态场景的全景理解，提出了两个新颖的学习目标，并采用深度孪生模型来验证提议，最终在 Cityscapes-VPS 和 VIPER 数据集上实现了新的最新成果，同时也提高了模型的时
PDF3 years ago
CVPR超越短视频片段：基于协作记忆的端到端视频级学习
通过采用协作存储机制，对视频的多个采样片段进行编码，实现对长期空间依赖关系的学习，以此提高视频分类的准确性和动作识别的性能，并在多个任务和数据集上超越了最先进的表现。
PDF3 years ago
ECCVAssembleNet++: 基于注意力连接组合模态表征
使用视频模型 AssembleNet++，并结合 peer-attention 和神经元连接等技术，能够更好地学习对象信息和外观动态特征，并在活动识别领域取得新的最高水平。
PDF4 years ago
动态刺激采样器：基于动态刺激先验的视频对抗攻击
本文旨在通过利用视频帧之间的内在运动模式和区域相对运动，攻击视频模型。我们提出了一种有效的运动激发采样器来获取运动感知噪声先验，我们将其称为激发先验。我们的激发先验强调帧之间的相关性并利用相对运动。通过在梯度估计中使用激发先验，我们成功地攻
PDF4 years ago
CVPR侧向：视频模型深度并行训练
提出了一种名为 Sideways 的逼近反向传播方案，针对视频模型进行训练以提高效率和广义化能力，该方案在重叠网络激活时覆盖原有数据，并破坏权重更新的精确对应关系。
PDF4 years ago
CVPR从未经筛选的教育视频中的视觉表示端到端学习
本文介绍了一种新的学习方法，MIL-NCE, 用于从讲述视频中学习强大的视频表示，并能够在不需要手动注释的情况下进行。该方法通过对齐不对称的讲述视频，有效地学习了视频表示。作者在 HMDB-51、UCF-101、Kinetics-700 等
PDF5 years ago
长期特征库用于详细视频理解
本文介绍了一种使用长期特征库的方法，用于增强现有的视频模型，将传统视野仅在 2-5 秒短片内的限制打破，实现了在 AVA、EPIC-Kitchens、Charades 这三个数据集上领先水平的效果。
PDF6 years ago