VideoGEM: Training-free Action Localization in Videos

💡 原文英文,约100词,阅读约需1分钟。
📝

内容提要

本研究提出了一种无训练的视频动作定位方法VideoGEM,利用预训练的图像和视频语言模型,通过动态调整层权重,分别处理动作、动词和对象提示,显著提高了动作定位精度,超越了现有最佳方法。

🏷️

标签

➡️

继续阅读