クロスシナリオビデオ時間接地のためのサンプル重要度の学習【JST・京大機械翻訳】

Bao Peijun; Mu Yadong

プレプリント

J-GLOBAL ID：202202209662908283 整理番号：22P0025085

クロスシナリオビデオ時間接地のためのサンプル重要度の学習【JST・京大機械翻訳】

Learning Sample Importance for Cross-Scenario Video Temporal Grounding

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年01月08日プレプリントサーバーでの情報更新日： 2022年01月08日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

時間的接地のタスクは,与えられた文章クエリで,非トリミングビデオにおけるビデオモーメントを位置決めすることを目的とする。本論文では,時間接地タスクに特異的であるいくつかの表面バイアスを調べ,新しいターゲット解を提案した。ほとんどの警報は,既存の時間的地上モデルが,視覚モードにおけるいくつかのバイアス(例えば,頻繁な概念またはある時間間隔に対する高い選好)に大きく依存することを観察する。これは,交差シナリオ試験設定でモデルを一般化するとき,劣った性能をもたらす。この目的のために,バイアスを素早く記憶し,真のモード間関係に基づくクエリー文を接地するために,モデルを防ぐために,デバイアスされた時間言語ローカライザ(DeバイアスTLL)と呼ばれる新しい方法を提案した。デバイアス-TLLは2つのモデルを同時に訓練する。著者らの設計によって,サンプルを判断するとき,これらの2つのモデル予測の大きな不一致は,偏ったサンプルの高い確率を明らかにした。データバイアスを緩和するためのデータ再重み付け方式を考案した。交差シナリオ時間接地における提案モデルを評価し,そこでは,列車/試験データが不均一にソースされる。実験は,最先端の競争者と比較して,提案した方法の大マージン優位性を示した。【JST・京大機械翻訳】

, , , , , , ,
, , , , , 【Automatic Indexing@JST】

図形・画像処理一般 , 検索技術

, , ,

前のページに戻る