Enhancing Multimodal Alignment with Momentum Augmentation for Dense Video Captioning

隐藏字幕 计算机科学 变压器 编码器 人工智能 模式 事件(粒子物理) 多模式学习 语音识别 计算机视觉 图像(数学) 电压 工程类 物理 社会学 电气工程 操作系统 量子力学 社会科学
作者
Yiwei Wei,Shuai Yuan,Meng Chen,Longbiao Wang
标识
DOI:10.1109/icassp49357.2023.10095659
摘要

Dense video captioning aims to localize multiple events from an untrimmed video and generate corresponding captions for each event. Fusing different modalities(e.g. rgb, flow, audio) via transformer structure is a promising way to improve the caption performance. However, it is challenging for the cross-modal encoder to learn multimodal interactions due to their inherent disparities of distribution. In this paper, we propose a novel transformer structure with contrastive learning to align different modalities. Specifically, to avoid the limitation of small batch size and false contrastive targets, we design an event-aligned momentum augmentation strategy to apply contrast learning for dense video captioning. The experimental result shows that our proposals outperform all existing multimodal fusion methods for dense video captioning.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

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
孩子气完成签到,获得积分10
刚刚
科研通AI5应助云梦泽采纳,获得10
3秒前
幽默新梅完成签到,获得积分10
4秒前
科目三应助pterionGao采纳,获得10
5秒前
7秒前
qq158014169完成签到,获得积分10
10秒前
10秒前
君莫笑完成签到 ,获得积分10
11秒前
慕青应助昵称231采纳,获得10
12秒前
微7发布了新的文献求助10
12秒前
SGQT完成签到,获得积分10
13秒前
14秒前
福福发布了新的文献求助10
14秒前
14秒前
随意发布了新的文献求助20
15秒前
15秒前
17秒前
18秒前
18秒前
xzy998发布了新的文献求助10
19秒前
19秒前
酷波er应助墙头的草采纳,获得10
19秒前
msk发布了新的文献求助10
19秒前
爱科研的東完成签到,获得积分10
20秒前
梨凉完成签到,获得积分10
21秒前
pterionGao发布了新的文献求助10
21秒前
江洋大盗发布了新的文献求助10
21秒前
Zhang发布了新的文献求助10
22秒前
香蕉觅云应助yyfer采纳,获得10
23秒前
LXYang完成签到,获得积分10
24秒前
健康的怡完成签到,获得积分20
26秒前
cjn发布了新的文献求助10
26秒前
27秒前
liangye2222完成签到,获得积分10
28秒前
王不留行完成签到 ,获得积分10
28秒前
戴戴发布了新的文献求助10
29秒前
111发布了新的文献求助10
29秒前
Ann完成签到,获得积分10
30秒前
小七完成签到,获得积分10
31秒前
32秒前
高分求助中
Picture Books with Same-sex Parented Families: Unintentional Censorship 1000
A new approach to the extrapolation of accelerated life test data 1000
ACSM’s Guidelines for Exercise Testing and Prescription, 12th edition 500
Nucleophilic substitution in azasydnone-modified dinitroanisoles 500
Indomethacinのヒトにおける経皮吸収 400
Phylogenetic study of the order Polydesmida (Myriapoda: Diplopoda) 370
基于可调谐半导体激光吸收光谱技术泄漏气体检测系统的研究 310
热门求助领域 (近24小时)
化学 材料科学 医学 生物 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 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 3979611
求助须知:如何正确求助?哪些是违规求助? 3523559
关于积分的说明 11218024
捐赠科研通 3261063
什么是DOI,文献DOI怎么找? 1800385
邀请新用户注册赠送积分活动 879079
科研通“疑难数据库(出版商)”最低求助积分说明 807160