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
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
勤奋的科研小白完成签到,获得积分10
刚刚
依依完成签到 ,获得积分10
1秒前
1秒前
Patrick完成签到 ,获得积分10
1秒前
@斤斤计较发布了新的文献求助10
1秒前
卢彦冬完成签到,获得积分10
1秒前
傲娇的凡完成签到,获得积分10
2秒前
2秒前
2秒前
2秒前
wlh完成签到 ,获得积分10
3秒前
Frank完成签到,获得积分10
3秒前
3秒前
4秒前
傲娇的凡发布了新的文献求助10
4秒前
zgdzhj完成签到,获得积分10
5秒前
5秒前
5秒前
Waris发布了新的文献求助10
6秒前
浮游应助晴子采纳,获得10
7秒前
浮游应助长度2到采纳,获得10
8秒前
小宇发布了新的文献求助10
8秒前
QIQI发布了新的文献求助10
9秒前
梦思遗落完成签到,获得积分10
9秒前
9秒前
9秒前
10秒前
zyx完成签到,获得积分10
10秒前
简7发布了新的文献求助30
10秒前
佐zzz发布了新的文献求助10
11秒前
lxl发布了新的文献求助10
12秒前
12秒前
上官若男应助ZY采纳,获得10
12秒前
13秒前
14秒前
热情的远锋完成签到 ,获得积分10
15秒前
15秒前
浮游应助晴子采纳,获得10
16秒前
量子星尘发布了新的文献求助10
18秒前
兰兰不懒发布了新的文献求助10
19秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
2025-2031全球及中国金刚石触媒粉行业研究及十五五规划分析报告 9000
Translanguaging in Action in English-Medium Classrooms: A Resource Book for Teachers 700
Real World Research, 5th Edition 680
Qualitative Data Analysis with NVivo By Jenine Beekhuyzen, Pat Bazeley · 2024 660
Superabsorbent Polymers 600
Handbook of Migration, International Relations and Security in Asia 555
热门求助领域 (近24小时)
化学 材料科学 生物 医学 工程类 计算机科学 有机化学 物理 生物化学 纳米技术 复合材料 内科学 化学工程 人工智能 催化作用 遗传学 数学 基因 量子力学 物理化学
热门帖子
关注 科研通微信公众号,转发送积分 5679748
求助须知:如何正确求助?哪些是违规求助? 4993976
关于积分的说明 15170786
捐赠科研通 4839617
什么是DOI,文献DOI怎么找? 2593507
邀请新用户注册赠送积分活动 1546573
关于科研通互助平台的介绍 1504700