RUC+CMU：视频密集事件描述系统报告
计算机视觉与模式识别
2018-06-26 v1
摘要
本笔记论文介绍了我们在 ActivityNet 视频密集描述任务（任务 3）中的系统。时间提议生成与描述生成对该密集描述任务均十分重要。因此，我们提出了一种提议排序模型，采用一组有效的特征表示来进行提议生成，并集成一系列增强了上下文信息的描述模型，以在预测出的提议上稳健地生成描述。我们的方法在密集视频描述任务上取得了当前最优性能，在挑战测试集上获得 8.529 的 METEOR 分数。
引用
@article{arxiv.1806.08854,
title = {RUC+CMU: System Report for Dense Captioning Events in Videos},
author = {Shizhe Chen and Yuqing Song and Yida Zhao and Jiarong Qiu and Qin Jin and Alexander Hauptmann},
journal= {arXiv preprint arXiv:1806.08854},
year = {2018}
}
备注
Winner in ActivityNet 2018 Dense Video Captioning challenge