CEZSAR

CEZSAR方法利用对比学习推进零样本动作识别

研究人员推出了一种用于零样本动作识别的新方法CEZSAR，该方法利用对比学习来弥合文本描述与视觉表示之间的语义鸿沟。该方法将视频及其对应的自然语言描述编码到共享的嵌入空间中。为了增强训练，CEZSAR采用自动负采样程序来生成不成对的数据，有效地用不相关的视觉和文本元素扩充数据集。该方法在UCF-101和Kinetics-400数据集上取得了最先进的性能。