缩小差距：一个统一的视频理解框架用于时刻检索和重点检测
原文中文，约200字，阅读约需1分钟。发表于：。提出了一种统一视频理解框架 (UVCOM)，通过深入挖掘内在的本质特点，联合解决视频片段检索和重点片段检测问题。在多粒度的内部和跨模态的进步集成中，通过多方面对比学习，实现了对视频进行全面理解，成功地提高了效果。
本文介绍了一种名为HAMMER的HierArchical Multi-Modal EncodeR模型，通过编码视频的粗略片段和细粒度帧级别，从多个子任务中提取不同尺度的信息，解决了未处理和未分段视频中定位未定义段的问题。实验结果表明，该方法优于以前的方法和强基线，是该任务的新的最佳方法。
