RUC_AIM3 团队 Activitynet 2020 任务 2 技术报告：探索密集视频描述中的序列事件检测
计算机视觉与模式识别
2020-06-16 v1
摘要
检测未剪辑视频中的有意义事件对于密集视频描述至关重要。在这项工作中，我们提出了一种新颖且简单的模型用于事件序列生成，并探索了视频中事件序列的时间关系。所提出的模型省略了低效的两阶段提案生成过程，并在一次传递中直接基于双向时间依赖性生成事件边界。实验结果表明，所提出的事件序列生成模型能够在少量提案中生成更准确和多样化的事件。对于事件描述，我们遵循先前的工作，将事件内描述模型集成到我们的流水线系统中。整个系统在密集视频描述任务上达到了最先进的性能，在挑战测试集上获得了 9.894 的 METEOR 分数。
引用
@article{arxiv.2006.07896,
title = {Team RUC_AIM3 Technical Report at Activitynet 2020 Task 2: Exploring Sequential Events Detection for Dense Video Captioning},
author = {Yuqing Song and Shizhe Chen and Yida Zhao and Qin Jin},
journal= {arXiv preprint arXiv:2006.07896},
year = {2020}
}
备注
Winner solution in CVPR 2020 Activitynet Dense Video Captioning challenge