研究人员推出了一种名为XOV-Action的新型模型，旨在改进视频中的开放词汇动作识别。该模型旨在泛化到新的动作类别和以前未见过的视频领域，以解决当前最先进方法的局限性。XOV-Action通过学习动作概念的多样化表示和场景无关的视频表示来减轻领域偏差。为了便于评估，还开发了一个名为XOVABench的新基准，涵盖了多个视频领域和动作类别。 AI
影响 增强了视频动作识别模型的泛化能力，有望在多样化的现实场景中提高性能。
排序理由 该集群包含一篇详细介绍开放词汇动作识别新模型和基准的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
