目錄

• 簡介
• 動機
• 貢獻
• 方法
• 實驗

簡介

本文的作者來自浦項科技大學和首爾大學
下載鏈接

動機

在Grounding領域，早些的方法都可以歸結為scan-and-localize framework，主要包括兩個步驟：1. 生成proposals；2. 根據matching score進行選擇。但是這一類方法存在很大的弊端：獲得matching score的過程中，使用text query的全局特征，丟失了用于定位的細節信息。后續，有人對方法進行了改進，將此task視為注意力定位問題，通過回歸解決。弊端：局限于最具有判別力的短語，沒有對context進行全面的理解。

貢獻

將text query分為多個短語，每個短語作為context，與video進行交互。

從局部->全局，建模視頻片段和短語的關系。

實驗結果，large margin。

方法

本文方法的整體框架如圖所示。

實驗

在Charades-STA數據集上的實驗結果：

在ActivityNet Captions數據集上的實驗結果：

在Charades-STA數據集上的消融實驗：

總結

以上是生活随笔為你收集整理的CVPR 2020 《Local-Global Video-Text Interactions for Temporal Grounding》论文笔记的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。