BriefGPT - AI 论文速递
·
文本增强的零样本动作识别：一种无训练的方法
💡
原文中文，约500字，阅读约需1分钟。
📝
内容提要
本研究介绍了Open-VCLIP++，通过修改CLIP来捕捉视频时空关系，创建视频分类器，追求泛化性。利用权重插值的优势，训练Open-VCLIP++等同于零历史数据的持续学习。在动作识别数据集上评估，超过现有技术水平。在UCF、HMDB和Kinetics-600数据集上分别实现了88.1%、58.7%和81.2%的零样本准确率，比最佳替代方法高出8.5%、8.2%和12.3%。在MSR-VTT视频文本检索数据集上达到竞争水平，使用更少的微调数据。
🎯
关键要点
-
本研究介绍了Open-VCLIP++，通过最小化修改CLIP捕捉视频时空关系。
-
Open-VCLIP++创建了一个专门的视频分类器，追求泛化性。
-
利用权重插值的优势，训练Open-VCLIP++等同于零历史数据的持续学习。
-
在UCF、HMDB和Kinetics-600数据集上实现了88.1%、58.7%和81.2%的零样本准确率。
-
Open-VCLIP++在上述数据集上分别比最佳替代方法高出8.5%、8.2%和12.3%。
-
在MSR-VTT视频文本检索数据集上，Open-VCLIP++达到了竞争水平，使用了更少的微调数据。
🏷️
标签
➡️
