亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Tri-Modal Dense Video Captioning Based on Fine-Grained Aligned Text and Anchor-Free Event Proposals Generator

隐藏字幕 计算机科学 情态动词 事件(粒子物理) 编码器 变压器 自然语言处理 人工智能 发电机(电路理论) 任务(项目管理) 特征(语言学) 语音识别 图像(数学) 电压 功率(物理) 化学 物理 语言学 哲学 管理 量子力学 高分子化学 经济 操作系统
作者
Jingjing Niu,Yulai Xie,Yang Zhang,Jinyu Zhang,Yanfei Zhang,Xiao Liu,Fang Ren
出处
期刊:International Journal of Pattern Recognition and Artificial Intelligence [World Scientific]
卷期号:36 (12)
标识
DOI:10.1142/s021800142255014x
摘要

Multi-modal dense video captioning is a task using multiple information to detect all meaningful events and generate a textual description for each event. The existing works mainly rely on single visual or dual audio-visual modals in dense video captioning, while completely ignoring the text modal (subtitle). The text modal has a similar data structure as the video captions, which provides immediate semantic information to the content description for a video. In this paper, we propose a novel framework, called Two-Stage Cross-Modal Encoding Transformer Network (TS-CMETN), to realize the multi-modal dense video captioning task by fusing multiple features, including audio, visual, and text. First, we design a two-stage feature fusion encoder that hierarchically achieves the intra- and inter-modal information interaction. Second, we propose an anchor-free temporal event proposal module, which efficiently generates event proposals at each time step without the complex anchor calculation. Extensive experiments on the ActivityNet Captions dataset show that our proposed framework achieves high performance. Moreover, our approach can adaptively handle cases of the missing text modal. Our code and data are available at https://github.com/xieyulai/TM-CMETN .
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
科研通AI2S应助科研通管家采纳,获得30
6秒前
YifanWang应助科研通管家采纳,获得10
6秒前
YifanWang应助科研通管家采纳,获得10
6秒前
YifanWang应助科研通管家采纳,获得10
6秒前
Akim应助科研通管家采纳,获得10
6秒前
NS发布了新的文献求助10
33秒前
NS完成签到,获得积分10
50秒前
jeff完成签到,获得积分10
1分钟前
是张张啊完成签到,获得积分10
1分钟前
香蕉觅云应助aaronwolf采纳,获得10
1分钟前
ALIN关注了科研通微信公众号
2分钟前
2分钟前
2分钟前
招水若离完成签到,获得积分10
2分钟前
ALIN发布了新的文献求助20
2分钟前
中西西完成签到 ,获得积分10
2分钟前
山止川行完成签到 ,获得积分10
3分钟前
可爱的函函应助lyn_zhou采纳,获得10
4分钟前
赘婿应助科研通管家采纳,获得10
4分钟前
4分钟前
NexusExplorer应助典雅的曼文采纳,获得10
4分钟前
中央发布了新的文献求助10
4分钟前
6分钟前
6分钟前
啦啦啦完成签到,获得积分10
7分钟前
caicai完成签到,获得积分20
7分钟前
星辰大海应助caicai采纳,获得10
7分钟前
机智的胖达完成签到,获得积分10
7分钟前
陈媛发布了新的文献求助10
7分钟前
小二郎应助wu采纳,获得10
8分钟前
8分钟前
wu发布了新的文献求助10
8分钟前
大鸭子完成签到 ,获得积分10
9分钟前
Francis完成签到,获得积分10
9分钟前
FashionBoy应助科研通管家采纳,获得10
10分钟前
乐乐应助Francis采纳,获得10
10分钟前
10分钟前
Francis发布了新的文献求助10
10分钟前
wu完成签到 ,获得积分10
10分钟前
谦也静熵完成签到,获得积分10
11分钟前
高分求助中
System in Systemic Functional Linguistics A System-based Theory of Language 1000
The Data Economy: Tools and Applications 1000
Essentials of thematic analysis 700
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 600
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufe 600
A Dissection Guide & Atlas to the Rabbit 600
Academia de Coimbra: 1537-1990: história, praxe, boémia e estudo, partidas e piadas, organismos académicos 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3117452
求助须知:如何正确求助?哪些是违规求助? 2767593
关于积分的说明 7691561
捐赠科研通 2422961
什么是DOI,文献DOI怎么找? 1286511
科研通“疑难数据库(出版商)”最低求助积分说明 620412
版权声明 599868