当前的长期视频理解数据集是否长期?

💡 原文中文,约200字,阅读约需1分钟。
📝

内容提要

本文介绍了一种灵活的多粒度时间聚合框架,利用最大池化和注意力等简单技术实现了最新的下一步行动和密集预测。在 Breakfast、50Salads和EPIC-Kitchens数据集上进行了实验,并与视频分割和动作识别兼容。

🏷️

标签

➡️

继续阅读