TV-TREES: 多模态蕴涵树用于神经符号化视频推理

💡 原文中文,约300字,阅读约需1分钟。
📝

内容提要

该论文提出了一种基于TV-TREES的多模态蕴涵树生成器,用于解决电视剪辑等复杂多模态内容上的问答问题。实验证实了该方法在全视频剪辑上的零样本性能,在黑盒方法上取得了最先进的可解释性和性能的最佳结合。

🏷️

标签

➡️

继续阅读