面向 Ego4D 自然语言查询的基于锚点的检测探索
计算机视觉与模式识别
2022-08-11 v1 人工智能
摘要
本文给出 CVPR 2022 中 Ego4D 自然语言查询挑战赛的技术报告。自然语言查询任务因需要全面理解视频内容而具有挑战性。大多数先前工作基于第三人称视角数据集解决该任务,而迄今为止极少有研究关注自我中心视角。尽管已取得很大进展,我们注意到先前工作不能很好地适应自我中心视角数据集(如 Ego4D),主要由于两个原因:1) Ego4D 中大多数查询的时间持续时间极短(如小于 5 秒);2) Ego4D 中的查询面临对长期时间顺序复杂得多的视频理解。考虑到这些,我们提出了应对上述问题的挑战赛解决方案。
引用
@article{arxiv.2208.05375,
title = {Exploring Anchor-based Detection for Ego4D Natural Language Query},
author = {Sipeng Zheng and Qi Zhang and Bei Liu and Qin Jin and Jianlong Fu},
journal= {arXiv preprint arXiv:2208.05375},
year = {2022}
}
备注
CVPR 2022 Ego4D Workshop NLQ Challenge