DHHN: Dual Hierarchical Hybrid Network for Weakly-Supervised Audio-Visual Video Parsing

计算机科学 解析 模式 人工智能 背景(考古学) 任务(项目管理) 语义学(计算机科学) 事件(粒子物理) 上下文模型 机器学习 语音识别 自然语言处理 对象(语法) 古生物学 社会科学 物理 管理 量子力学 社会学 经济 生物 程序设计语言
作者
Xun Jiang,Xing Xu,Zhiguo Chen,Jingran Zhang,Jingkuan Song,Fumin Shen,Huimin Lu,Heng Tao Shen
标识
DOI:10.1145/3503161.3548309
摘要

The Weakly-Supervised Audio-Visual Video Parsing (AVVP) task aims to parse a video into temporal segments and predict their event categories in terms of modalities, labeling them as either audible, visible, or both. Since the temporal boundaries and modalities annotations are not provided, only video-level event labels are available, this task is more challenging than conventional video understanding tasks.Most previous works attempt to analyze videos by jointly modeling the audio and video data and then learning information from the segment-level features with fixed lengths. However, such a design exist two defects: 1) The various semantic information hidden in temporal lengths is neglected, which may lead the models to learn incorrect information; 2) Due to the joint context modeling, the unique features of different modalities are not fully explored. In this paper, we propose a novel AVVP framework termedDual Hierarchical Hybrid Network (DHHN) to tackle the above two problems. Our DHHN method consists of three components: 1) A hierarchical context modeling network for extracting different semantics in multiple temporal lengths; 2) A modality-wise guiding network for learning unique information from different modalities; 3) A dual-stream framework generating audio and visual predictions separately. It maintains the best adaptions on different modalities, further boosting the video parsing performance. Extensive quantitative and qualitative experiments demonstrate that our proposed method establishes the new state-of-the-art performance on the AVVP task.
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
自由可乐应助Hey采纳,获得30
1秒前
核桃花生奶兔完成签到 ,获得积分10
1秒前
自然的致远完成签到,获得积分10
1秒前
抓到你啦完成签到,获得积分10
1秒前
安阳完成签到,获得积分10
1秒前
天Q发布了新的文献求助10
2秒前
Simone发布了新的文献求助10
4秒前
cloverdown发布了新的文献求助20
4秒前
weiwenzuo完成签到,获得积分10
4秒前
gggguo完成签到,获得积分10
4秒前
阿燐发布了新的文献求助10
4秒前
5秒前
5秒前
调研昵称发布了新的文献求助20
5秒前
jing发布了新的文献求助10
5秒前
刻苦的晓蕾完成签到,获得积分10
5秒前
汉堡包应助苻如萱采纳,获得10
6秒前
CodeCraft应助别时圆采纳,获得10
6秒前
马大翔应助KingK采纳,获得10
7秒前
8秒前
尧尧发布了新的文献求助10
8秒前
迅速的绿蕊完成签到,获得积分10
8秒前
9秒前
CodeCraft应助SherlockJia采纳,获得10
9秒前
狼主发布了新的文献求助10
9秒前
9秒前
小石头完成签到,获得积分10
10秒前
bxhdb完成签到,获得积分10
10秒前
Orange应助zsj采纳,获得10
11秒前
iNk完成签到,获得积分0
11秒前
Richard完成签到,获得积分10
12秒前
Ray发布了新的文献求助10
12秒前
Tabby完成签到,获得积分10
13秒前
13秒前
uriah完成签到,获得积分10
13秒前
阿占发布了新的文献求助10
14秒前
14秒前
偷得浮生半日闲完成签到,获得积分10
14秒前
14秒前
14秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 890
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
A new species of Coccus (Homoptera: Coccoidea) from Malawi 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 3257518
求助须知:如何正确求助?哪些是违规求助? 2899479
关于积分的说明 8305791
捐赠科研通 2568680
什么是DOI,文献DOI怎么找? 1395251
科研通“疑难数据库(出版商)”最低求助积分说明 652969
邀请新用户注册赠送积分活动 630767