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.
A global predicted-fMRI drive signal from TRIBE does not predict YouTube replay heatmaps
Rank-Then-Act: Reward-Free Control from Frame-Order Progress
LIME: 에고센트릭 비디오로부터 의도 인식 카메라 모션 학습
OmniFall: From Staged Through Synthetic to Wild, A Unified Multi-Domain Dataset for Robust Fall Detection
TCMA: Text-Conditioned Multi-granularity Alignment for Drone Cross-Modal Text-Video Retrieval
MonoMSK: Monocular 3D Musculoskeletal Dynamics Estimation
Stateful Token Reduction for Long-Video Hybrid VLMs
빠르고 느린 분할: 이중 경로 처리를 이용한 실시간 개방형 어휘 비디오 인스턴스 세그멘테이션
EgoSafetyBench: 임베디드 VLM을 런타임 안전 가드로 평가하기 위한 진단적 에고센트릭 비디오 벤치마크
OnPoint: 포인트 지도 온라인 시간적 행동 위치추정을 위한 오프라인-온라인 다단계 지식 증류
VideoSearch-R1: 소프트 쿼리 정제를 통한 반복적 비디오 검색 및 추론
Cross4D-JEPA: 4D 포인트 클라우드 표현 학습을 위한 밀집 교차 모달 대응 증류
EgoGapBench: 다중 에이전트 장면에서의 자기중심적 행동 선택 벤치마킹
보는 법 배우기: 교차 정책 최적화를 통한 능동적 비디오 이상 이해
비디오 이상 추론을 위한 언어적 상대 정책 최적화
DART: 제로샷 비디오 시간적 그라운딩을 위한 난이도 적응형 라우팅
Imprint: 장기 자아 중심 QA를 위한 온라인 메모리 압축
행동 인식을 위한 부분 스켈레톤 가시성: 제한된 시야각 접근법
AV-SyncBench: 시간적·의미적 오디오-비주얼 동기화의 분리 벤치마킹
파운데이션 모델 기반 핵심 해부학적 프레임 선택을 활용한 블라인드 스윕 초음파 태아 출생 체중 추정
FrameONE: 범용 다중 뷰 심장초음파 키프레임 검출을 위한 계층적 모션 모델링
MoVA: 모듈식 장문 비디오-텍스트 정렬을 위한 비대칭 이중 투영 학습
MG-RWKV: 시간적 위조 구간 탐지를 위한 다중 세분화 컨텍스트 인식 RWKV
QCA: Query- and Content-Aware Keyframe Selection for Long Video Understanding
From Multimodal Perception to Strategic Reasoning: A Survey on AI-Generated Game Commentary
실패 분류에서 개입까지: 동영상 및 라이브 스트리밍 플랫폼 모더레이션을 위한 산업 규모 AVLM 진단 방법론
좋은 발표는 요약처럼 보이지 않는다, 가르쳐야 한다! 논문-to-비디오 발표에서 핵심 전달 내용 측정
SoccerNet 2026 플레이어 중심 볼 액션 스포팅: 플레이어별 어텐션과 합의 기반 앙상블링
MuseBench: MLLM의 의도 수준 시청각 예술 이해 벤치마킹
Tool-Augmented Spatiotemporal Reasoning for Streamlining Video Question Answering Task
ADEPT: An Entropy-Driven Dual-Strategy Agent for Interactive Video Retrieval
RoboGaze: Evaluating Robot World Models via Structured Vision-Language Analysis
Agent-Computer Observation Interfaces Enable Dynamic Computer Use
Gershgorin Disc Alignment를 통한 일시적 비디오 키프레임 선택을 위한 그래프 전개 및 샘플링
MLLM을 활용한 복잡한 시각 태스크를 위한 학습 없는 불확실성 가이던스
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.