Papers with Code 아카이브
Video Understanding
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 7
- 평가표
- 0
- 보존된 평가 기록
- 0
A crucial task of Video Understanding is to recognise and localise (in space and time) different actions or events appearing in the video.
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
DynaVieW: 계층적 시각 역학 이해를 위한 스키마 기반 세계 모델링
DELTAVID: 크로스 비디오 차이를 활용한 세밀한 시공간 지각 향상
Homer: 계층적 메모리와 에이전틱 추론을 통한 장시간 비디오 이해
비디오 추론을 위한 잠재 시각 캐시
K9-Bench: 개 중심 영상에서 멀티모달 LLM 평가
STAC: 비디오 추론 분할을 위한 선택적 시공간 집계 및 압축
VideoSearcher: 강화학습 기반 멀티툴 에이전틱 추론으로 비디오 딥 리서치 강화
장시간 비디오 질의응답을 위한 비전-언어 모델의 검색 행동 유도
옴니-모달 밀집 비디오 캡셔닝을 위한 병렬화된 자기회귀 디코딩
GuideMe: 스트리밍 비디오에서의 다중 도메인 태스크 가이던스 및 개입
자연어 카메라 움직임 이해
SafeGuard: 사회적 위험 AI 생성 비디오 탐지를 위한 다중 에이전트 인식-추론 프레임워크
시간적 이벤트 검증을 통한 실시간 지능형 영상 감시를 위한 멀티태스크 심층 학습 프레임워크
일반 동작에서 도메인 특화 모니터링으로: 스켈레톤 기반 행동 인식을 위한 사전 적응형 전이학습
존재하지만 기억되지 않는: 동결된 VLA가 시각적 과거를 인코딩·배포·조종하는 방식 감사
잠재 명료성: 비디오 이상 예측을 위한 월드 모델 키네마틱스와 의미론적 다양체의 연결
멀티모달 대규모 언어 모델을 활용한 자아 시점 사고 영상에서의 책임 분배 추정
정체성-특이적 동작 특징 탐색: 통제된 진단 연구
G²TAM: 기하학 기반 만능 추적 모델
Q-TriM: 오디오-비주얼 질의응답을 위한 질문 기반 삼중 모달 어텐션
SAGE: 인간 행동 이해를 위한 동기화된 행동-시선 인식 및 예측
OmniGAIA: Towards Native Omni-Modal AI Agents
추론 LLM이 장편 TV 드라마에서 화자 인식을 향상시키다
SUNTA: Hierarchical Video Prediction with Surprise-based Chunking
NarrativeTrack: 서사 이해를 위한 개체 중심 추론 평가
왜 서랍을 열 수 없나? 제로샷 합성 행동 인식에서 객체 기반 단축키 완화
Drive-JEPA: 엔드-투-엔드 자율주행을 위한 비디오 JEPA와 멀티모달 궤적 증류의 결합
TimeChat-Captioner: 시간 인식 및 구조적 오디오-비주얼 캡션을 활용한 다중 장면 비디오 스크립팅
ForeSea: AI Forensic Search with Multi-modal Queries for Video Surveillance
비디오 기반 사람 재식별을 위한 공간-시간적 전문가 학습
How Much Future Helps? A Controlled Study of Future-Privileged Supervision for Causal Egocentric Gaze Estimation
Multi-THuMBS: 비디오 샷을 넘나드는 다중 인물 3D 인체 메시 추적
향상된 오디오비주얼 비디오 캡셔닝을 위한 시간적·크로스모달 정렬
ReQuest: 장형 비디오 QA를 위한 재사고 기반 질문 인식 프레임 선택
MedStreamBench: 스트리밍 및 능동적 의료 영상 이해를 위한 시간 인식 벤치마크
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.