Grounding Partially Defined Events in Multimodal Data
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究探讨如何从短视频片段理解复杂事件，提出了一种多模态框架，将事件提取视为三阶段检索任务，并引入了注释丰富的基准数据集MultiVENT-G，展示了该方法在事件理解中的潜力与挑战。
🏷️
