弱监督视频时刻定位的反事实跨模态推理
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文研究了语言引导定位视频中相关片段的问题，并提出了跨模态注意力模块和新的回归损失函数来提高定位精度。在Charades-STA和ActivityNet Captions数据集上超越了最先进的方法。
🏷️
