实体
Video Scene Graph Generation
Video Scene Graph Generation
PulseAugur coverage of Video Scene Graph Generation — every cluster mentioning Video Scene Graph Generation across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新的RTAformer模型通过跟踪关系变化改进视频场景图生成
研究人员开发了RTAformer,一个新颖的基于Transformer的框架,旨在改进视频场景图生成。该新模型专门解决了“关系语义惯性”的挑战,即现有方法难以检测视频中物体关系中的突然变化。RTAformer通过分别建模实体持久性和关系转换来实现这一点,使用相邻帧关系查询之间的校准差异来指导谓词更新。在Action Genome数据集上的实验表明,RTAformer在召回率指标上优于先前的方法,尤其是在显示关系转换的帧上。
-
VLMs 实现开放词汇视频场景图生成
一种新的视频场景图生成(SGG)方法利用视觉语言模型(VLMs)来创建视频内容的结构化、机器可读的描述。与依赖固定词汇的传统 SGG 方法不同,这种方法使用 Qwen2.5-VL 等开放词汇 VLMs 直接从视觉和语言线索生成描述。该过程包括从视频中选择关键帧,然后使用 VLM 识别对象、人物及其关系,形成一个可编程分析的图。