已入深夜,您辛苦了!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!祝你早点完成任务,早点休息,好梦!

Adaptive Spatio-Temporal Graph Enhanced Vision-Language Representation for Video QA

计算机科学 人工智能 杠杆(统计) 计算机视觉 视频跟踪 自然语言处理 视频处理
作者
Weike Jin,Zhou Zhao,Xiaochun Cao,Jieming Zhu,Xiuqiang He,Yueting Zhuang
出处
期刊:IEEE transactions on image processing [Institute of Electrical and Electronics Engineers]
卷期号:30: 5477-5489 被引量:12
标识
DOI:10.1109/tip.2021.3076556
摘要

Vision-language research has become very popular, which focuses on understanding of visual contents, language semantics and relationships between them. Video question answering (Video QA) is one of the typical tasks. Recently, several BERT style pre-training methods have been proposed and shown effectiveness on various vision-language tasks. In this work, we leverage the successful vision-language transformer structure to solve the Video QA problem. However, we do not pre-train it with any video data, because video pre-training requires massive computing resources and is hard to perform with only a few GPUs. Instead, our work aims to leverage image-language pre-training to help with video-language modeling, by sharing a common module design. We further introduce an adaptive spatio-temporal graph to enhance the vision-language representation learning. That is, we adaptively refine the spatio-temporal tubes of salient objects according to their spatio-temporal relations learned through a hierarchical graph convolution process. Finally, we can obtain a number of fine-grained tube-level video object representations, as the visual inputs of the vision-language transformer module. Experiments on three widely used Video QA datasets show that our model achieves the new state-of-the-art results.
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
竹外桃花发布了新的文献求助10
1秒前
Dr_an完成签到,获得积分10
2秒前
5秒前
亦屿森发布了新的文献求助10
8秒前
xixi完成签到 ,获得积分10
13秒前
慕青应助小米采纳,获得10
14秒前
17秒前
英俊的铭应助活泼的枫叶采纳,获得10
17秒前
深情安青应助默默函采纳,获得20
20秒前
xl完成签到 ,获得积分10
21秒前
饼子发布了新的文献求助10
24秒前
26秒前
干净溪流发布了新的文献求助10
31秒前
32秒前
37秒前
allshestar完成签到 ,获得积分10
37秒前
妮妮发布了新的文献求助20
40秒前
阿尼亚发布了新的文献求助30
40秒前
42秒前
44秒前
44秒前
Akim应助干净溪流采纳,获得10
44秒前
充电宝应助隐形的雪碧采纳,获得10
45秒前
邹修坤发布了新的文献求助10
47秒前
48秒前
WLL发布了新的文献求助10
51秒前
小米发布了新的文献求助10
53秒前
死去的温柔5完成签到,获得积分10
59秒前
1分钟前
mm完成签到 ,获得积分10
1分钟前
不配.应助妮妮采纳,获得20
1分钟前
张咸鱼发布了新的文献求助30
1分钟前
mm关注了科研通微信公众号
1分钟前
1分钟前
1分钟前
北极星完成签到,获得积分10
1分钟前
kim发布了新的文献求助10
1分钟前
1分钟前
1分钟前
1分钟前
高分求助中
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Handbook of Qualitative Cross-Cultural Research Methods 600
Chen Hansheng: China’s Last Romantic Revolutionary 500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 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 3139336
求助须知:如何正确求助?哪些是违规求助? 2790244
关于积分的说明 7794607
捐赠科研通 2446679
什么是DOI,文献DOI怎么找? 1301314
科研通“疑难数据库(出版商)”最低求助积分说明 626124
版权声明 601109