Invert4TVG时间视频定位框架发布

Zhaoyu Chen等研究人员发布Invert4TVG框架，该框架通过引入基于反转的时间视频定位辅助目标，增强模型对视频及查询中动作的理解能力。 框架包含动词补全、动作识别和视频描述三类反转任务，这些任务完全由原始TVG任务派生，并在强化学习框架内以概率方式与原始任务集成。 实验显示，该方法在Charades-STA数据集上性能优于现有最先进方法，使3B模型的R1@0.7指标提升了7.1%。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。