研究人员推出了一种新颖的单目视频在线时序动作定位框架DUGO。DUGO通过联合建模局部运动动力学和长程时序依赖性来解决现有方法的局限性。它采用双尺度时序编码器来处理细粒度模式和更广泛的上下文,并结合高斯记忆库,将动作记忆表示为随机高斯原型,以实现更丰富的时序回忆。在EGTEA和EPIC-Kitchens-100等数据集上的实验表明,DUGO取得了最先进的性能。 AI
影响 增强了实时视频分析能力,可能改进机器人、监控和内容审核等应用。
排序理由 该条目是一篇学术论文,详细介绍了一种新的时序动作定位方法。
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- Dual-Scale Temporal Encoder
- EGTEA
- EPIC-KITCHENS-100
- Gaussian Memory Bank
- Gotit.pub
- Hugging Face
- Muses
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →