该研究提出了一种新的细粒度评估方法，通过自动生成细微差异的测试字幕，提升视频-文本检索模型对细微差异的理解能力，并揭示当前评估基准的不足。

Beyond Coarse Matching: Fine-Grained Evaluation in Video-Text Retrieval
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·

CLIP2Video是一种新的视频文本检索方法，通过将图像语言预训练模型转移到视频文本检索，提升了检索准确性。

MUSE：高效多尺度学习的文本-视频检索模型
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·

CLIP2Video是一种新的视频文本检索方法，通过将图像语言预训练模型转移到视频文本检索，提升多模态相关性，实现了最新的检索准确性记录。

MTA-CLIP：带有口罩文本对齐的语言导向语义分割
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·

CLIP2Video是一种新的视频文本检索方法，通过将图像语言预训练模型转移到视频文本检索，提升了检索准确性。

ActivityCLIP: 从文本中挖掘互补信息以补充图像模态的增强群体活动识别
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·

CLIP2Video是一种利用图像语言预训练模型和多模态交互的新视频文本检索方法，准确性高。在多个基准测试中创下最新记录。

利用时间语境进行视频动作识别
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·

CLIP2Video是一种新的视频文本检索方法，通过将图像语言预训练模型转移到视频文本检索，提升了检索准确性。

增强图像检索：基于 CLIP 模型的照片搜索的全面研究
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·

CLIP2Video是一种新的视频文本检索方法，通过将图像语言预训练模型转移到视频文本检索，提升了检索准确性。

M2-CLIP: 视频动作识别的多模态多任务自适应框架
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·

CLIP2Video网络通过将图像语言预训练模型应用于视频文本检索，采用端到端方式，利用预训练的图像语言模型，通过Temporal Difference Block和Temporal Alignment Block提升多模态相关性。在MSR-VTT、MSVD和VATEX等基准上取得了最新的检索准确性记录。

流动中的观察：使用动作提示学习来适应 CLIP 的动作识别
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证