实体
Mr. HiSum
Mr. HiSum
PulseAugur coverage of Mr. HiSum — every cluster mentioning Mr. HiSum across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的TSMD方法提高了视频精彩片段检测的鲁棒性
研究人员推出了一种名为时间流模态丢弃（TSMD）的新颖方法，旨在增强视频精彩片段检测系统的鲁棒性。TSMD解决了视觉、音频和文本流中数据缺失的挑战，模拟了时间帧丢失和完整流中断的情况。所提出的技术还包含一个联合目标函数，包括逐点MSE、每视频皮尔逊相关性以及面向峰值的RankNet损失，以更好地与评估指标和精彩片段特征保持一致。TSMD的变体，包括时间、流级别和混合丢弃，在MoSu和Mr. HiSum等基准数据集上均显示出显著的改进。
-
新的TRINITY基准通过多视角分析增强视频精彩片段检测
研究人员推出TRINITY，一个旨在通过考虑多个视角来改进视频精彩片段检测的新基准。传统方法侧重于以事件为中心的显著性，这难以应对个人视频的多样性和主观性。TRINITY将显著性分解为事件、情感和自然维度，从而实现更全面的分析。提出的多分支架构通过为每个视角进行并行预测来利用这一点，在Mr. HiSum和YouTube Highlights等数据集上显著优于现有方法。