DiDeMo
PulseAugur coverage of DiDeMo — every cluster mentioning DiDeMo across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
VEDJE系统通过紧凑缓存实现高效视频-文本检索
研究人员开发了VEDJE，一种可扩展视频-文本检索的新型系统，可显著降低计算成本。VEDJE通过将视频特征压缩成紧凑、可重用的缓存来实现这一点，从而能够与新查询进行高效匹配。这种方法在MSR-VTT、MSVD、DiDeMo和ActivityNet等基准测试中提高了检索准确性，同时大幅缩小了每个视频的数据占用空间。
-
VEDJE编码器通过压缩特征提升视频-文本检索性能
研究人员开发了VEDJE，一种新颖的视频高效判别联合编码器（Video-Efficient Discriminative Joint Encoder），旨在提高视频-文本检索的可扩展性和效率。该方法将视频特征压缩成可重用缓存，显著降低了检索时的计算成本。通过在训练期间引入特征变化预测信号，VEDJE在不增加查询时工作量的情况下提高了检索准确性。该系统在MSR-VTT、MSVD、DiDeMo和ActivityNet等多个基准测试中表现强…
-
新指标DGR解释了多模态几何分数对数据退化的响应
研究人员开发了一种名为方向几何响应（DGR）的新指标，以更好地理解多模态几何分数如何对数据退化做出反应。与以往关注变化幅度的旧方法不同，DGR考虑了相对于局部梯度的位移方向。这种方法显著提高了对观察到的响应的解释能力，在预测响应方差、幅度匹配排名和响应符号方面取得了高精度。
-
新数据集和模型推动文本到长视频检索能力发展
研究人员推出了MELON，这是一个专为多事件文本到长视频检索设计的新大规模数据集，解决了现有数据集主要关注具有单一事件的短片段的局限性。MELON标注了长视频中的多个事件间隔，使模型能够更好地理解复杂的多事件结构。同时，还提出了一个名为TAME的框架，通过将时间建模集成到基于CLIP的架构中来增强文本视频检索。TAME利用专家混合层和帧-时间标记来捕捉局部帧细节和长距离时间依赖性，在标准的检索基准上表现出改进的性能。
-
新GLCCL方法提升文本-视频检索准确性
研究人员开发了一种名为全局-局部对比一致性学习（GLCCL）的新方法，以改进文本-视频检索。该方法使用一个无参数模块，在文本查询的指导下，从视频帧和完整视频中生成语义特征。采用了一种新颖的对比分数一致性损失函数，以增强模型区分相关和不相关视频-文本对的能力，从而在基准数据集上取得卓越的性能。