BriefGPT - AI 论文速递
·
文本到视频检索的框架选择的实证研究
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该研究介绍了一个名为TVR的新的多模式检索数据集，包含109K个查询和相关的字幕文本，同时提出了一种新型跨模态时刻定位网络(XML)。该模型采用了一种新颖的卷积起始和结束检测器(ConvSE)模型，具有更好的效率和性能。同时，还收集了描述TVR中各个标注时刻的相关信息，形成了一个新的多模式字幕数据集TVC，两个数据集均可以公开获取。
🎯
关键要点
-
研究介绍了新的多模式检索数据集TVR，包含109K个查询和相关字幕文本。
-
TVR中的每个查询与一个精确的时间窗口相关联，并具有查询类型标签。
-
提出了一种新型跨模态时刻定位网络(XML)，用于多模态时刻检索任务。
-
模型采用新颖的卷积起始和结束检测器(ConvSE)，提高了效率和性能。
-
收集了描述TVR中各个标注时刻的相关信息，形成新的多模式字幕数据集TVC。
-
TVR和TVC两个数据集均可公开获取。
🏷️
标签
➡️
