实体
VATEX
VATEX
PulseAugur coverage of VATEX — every cluster mentioning VATEX across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
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 3 条
-
新框架对齐文本和视频分布以改进检索
研究人员推出了一种新颖的文本到视频检索框架——分布对齐桥（DAB），该框架将任务视为一个分布对齐问题。DAB不采用确定性匹配，而是将文本和视频嵌入建模为高斯分布，明确处理每种模态中的不确定性。该框架使用受扩散启发的桥梁迭代地将文本分布精炼至目标视频分布，并通过基于 Kullback-Leibler 散度的损失函数优化跨模态相似性。在 MSR-VTT 和 VATEX 等基准上的评估表明，DAB 超越了现有的概率和基于扩散的方法，提供了经…
-
Google DeepMind 发布 Gemini Embedding 2 多模态模型
Google DeepMind 推出了 Gemini Embedding 2，一个新生的原生多模态嵌入模型。该模型能够为视频、音频、图像和文本数据生成统一的表示，在各种专业领域展现出强大的零样本能力。它在关键的嵌入基准测试中取得了最先进的性能，包括多模态检索任务，并可用于 RAG、推荐系统和搜索等下游应用。
-
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。