BriefGPT - AI 论文速递
·
EventAug：用于事件学习的多方面时空数据增强方法
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文提出了多镜头时间事件定位任务，并收集了大规模数据集MUSES。通过一个简单的基线方法，在MUSES和THUMOS14上分别获得18.9％和56.9％的mAP值。
🎯
关键要点
-
提出了多镜头时间事件定位任务。
-
收集了名为MUSES的大规模数据集，包含31,477个事件实例和716个小时的视频。
-
提出了一个简单的基线方法来处理内部实例差异。
-
在IoU=0.5的情况下，MUSES和THUMOS14上的mAP值分别为18.9％和56.9％。
🏷️
标签
➡️
