MDMMT-2:ビデオ検索のためのマルチドメイン多モード変圧器,一般化に向けた一歩【JST・京大機械翻訳】

Kunitsyn Alexander; Kalashnikov Maksim; Dzabraev Maksim; Ivaniuta Andrei

プレプリント

J-GLOBAL ID：202202211868529372 整理番号：22P0303736

MDMMT-2:ビデオ検索のためのマルチドメイン多モード変圧器,一般化に向けた一歩【JST・京大機械翻訳】

MDMMT-2: Multidomain Multimodal Transformer for Video Retrieval, One More Step Towards Generalization

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 (4件)： , , ,
資料名：
発行年： 2022年03月14日プレプリントサーバーでの情報更新日： 2022年03月14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)

本研究では,単一モデルで得られたMSR-VTT,LSMDC,MSVD,YouCook2,およびTGIFに関するテキスト対ビデオ検索タスクに関する新しいステートオブアrtを示した。3つの異なるデータソース,すなわち,弱く監督されたビデオ,クラウドラベル付きテキスト画像ペア,およびテキストビデオペアを組み合わせた。利用可能な事前訓練ネットワークの注意深い解析は,最良の事前知識を選択するのを助ける。高転送知識効率を提供し,事前知識劣化なしに訓練中に雑音のあるデータセットを使用できる3段階訓練手順を導入した。さらに,二重位置符号化を,異なるモダリティのより良い融合のために用いて,非正方形入力処理のための簡単な方法を提案した。【JST・京大機械翻訳】

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

図形・画像処理一般 , パターン認識

, , , ,

前のページに戻る