超越显著性：面向视频语义搜索的低注意力引导双编码
计算机视觉与模式识别
2026-05-08 v1
摘要
密集拥挤场景中的视频语义搜索仍然是一项具有挑战性的任务，因为视觉编码器倾向于优先关注显著的前景区域，而忽略在上下文中重要的背景区域。我们提出了一种逆注意力嵌入机制，该机制显式地捕获并突出这些被忽略的区域。通过将逆注意力嵌入与传统视觉嵌入相结合，我们的方法无需额外训练即可显著增强语义检索性能。初步实验和消融研究证明，在拥挤环境下的视频语义搜索中，相较于现有方法在召回率上取得了令人鼓舞的提升。
引用
@article{arxiv.2605.06229,
title = {Look Beyond Saliency: Low-Attention Guided Dual Encoding for Video Semantic Search},
author = {Faisal Aljehrai and Mohammed A. Alkhrashi and Alreem Almuhrij and Sarah Abuhimed and Noorh Aldossary and Abdullah Aldwyish and Raied Aljadaany and Huda Alamri and Muhammad Kamran J Khan},
journal= {arXiv preprint arXiv:2605.06229},
year = {2026}
}