PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2510.10180v2cs.CV

TCMA: Text-Conditioned Multi-granularity Alignment for Drone Cross-Modal Text-Video Retrieval

UAV 영상에 대한 텍스트-비디오 검색 성능 향상을 위해 2,864개 영상과 14,320개의 세밀한 캡션으로 구성된 DVTMD 데이터셋을 구축하고, 전역 비디오-문장 정렬, 문장 기반 프레임 집계, 단어 기반 패치 정렬을 통합하는 TCMA(Text-Conditioned Multi-granularity Alignment) 프레임워크를 제안했다. DVTMD와 CapERA 벤치마크에서 텍스트→비디오 R@1 45.5%, 비디오→텍스트 R@1 42.8%의 최고 성능을 달성했다.