可解释的嵌入式技术用于即时视频搜索
原文中文，约200字，阅读约需1分钟。
📝
内容提要
该论文提出了一种新型的Transformer模型，通过注意力机制将文本和视频显式分离，以寻找识别特征。初步结果表明，该方法在指标上超过了当前最先进的方法。
🏷️
