研究人员开发了一种高效的多模态视频融合网络,通过动态聚焦关键区域来提高时间连贯性和细节。该新方法避免了计算成本高昂的光流估计和特征扭曲,而是利用测试时训练范式来处理时间依赖性。通过仅在动态区域内建模时间交互并将预训练的MAE特征用于全局结构,该网络在保持高计算效率(适用于边缘设备)的同时,实现了卓越的融合质量和一致性。 AI
影响 该方法通过降低计算负载,有望在边缘设备上实现更高效的视频处理。
排序理由 该条目是一篇提交至arXiv的研究论文,详细介绍了一种新的技术方法。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- Connected Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- Litmaps
- MAE
- ScienceCast
- scite Smart Citations
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →