PulseAugur
实时 12:12:21
English(EN) Revisiting Uncertainty: On Evidential Learning for Partially Relevant Video Retrieval

Holmes框架量化视频检索中的不确定性

研究人员开发了Holmes,一个用于部分相关视频检索的新框架,该框架明确地对不确定性进行建模。这种分层证据学习方法跨不同粒度聚合证据,以处理简短文本查询和广泛视频内容之间的歧义。Holmes使用狄利克雷分布来解释相似度得分,并采用最优传输进行查询-剪辑对齐,以提高检索准确性,优于现有方法。 AI

影响 引入了一种处理视频检索中不确定性的新方法,有可能提高复杂、部分描述内容的搜索准确性。

排序理由 这是一篇详细介绍视频检索新框架的研究论文。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

Holmes框架量化视频检索中的不确定性

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Jun Li, Peifeng Lai, Xuhang Lou, Jinpeng Wang, Yuting Wang, Ke Chen, Yaowei Wang, Shu-Tao Xia ·

    重新审视不确定性:关于部分相关视频检索的证据学习

    arXiv:2605.06083v1 Announce Type: cross Abstract: Partially relevant video retrieval aims to retrieve untrimmed videos using text queries that describe only partial content. However, the inherent asymmetry between brief queries and rich video content inevitably introduces uncerta…

  2. arXiv cs.CV TIER_1 English(EN) · Shu-Tao Xia ·

    重新审视不确定性:关于部分相关视频检索的证据学习

    Partially relevant video retrieval aims to retrieve untrimmed videos using text queries that describe only partial content. However, the inherent asymmetry between brief queries and rich video content inevitably introduces uncertainty into the retrieval process. In this setting, …