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.
EXPLORE-Bench: 장기 추론 기반 자기중심적 장면 예측
HiMu: 장시간 동영상 질의응답을 위한 계층적 멀티모달 프레임 선택
비전-언어 모델의 세밀한 시공간 이해를 위한 수술 영상 데이터셋 확장 접근법
LLM은 주의에 대해 추론할 수 있는가? 멀티모달 교실 행동의 제로샷 분석을 향하여
짧은 가정 비디오로 임상의 수준의 자폐 행동 채점을 위한 멀티모달 대규모 언어 모델 미세조정
MemoBench: 동적으로 변화하는 환경에서의 세계 모델링 벤치마킹
다중 프레임 적외선 소형 표적 탐지를 위한 Temporal-Emerged Prompting 기반 Segment Anything
TRUST: 이미지-초음파-비디오 전이학습을 통한 효율적인 복부 외상 인식
Video-MME-Logical: 비디오 시간-논리 추론을 위한 통제된 진단 벤치마크
모든 보행을 따라: 비디오 기반 파킨슨병 회전 보행 수 계수
Reflect-R1: 장영상 이해를 위한 증거 기반 반성적 자기 수정
몬테카를로 트리 탐색 기반 잠재 시각 확산 추론
HumanMoveVQA: 비디오 MLLM은 동영상에서 인간 움직임을 추론할 수 있는가?
RPM-Distill: 강건한 원격 생리 신호 측정을 위한 생리학 기반 적응형 크로스모달 지식 증류
HAT-4D: 인간-에이전트 협업을 통한 단안 영상 기반 4D 다중 객체 상호작용 복원
비지도 메모리 강화 비디오 트랜스포머: 자율 농업 로버를 위한 장애물 탐지
WatchAct: 관찰된 행동에 기반한 로봇 조작 벤치마크
비디오 기반 가시-적외선 사람 재식별을 위한 언어 기반 시퀀스 수준 모달 불변 표현 학습
이벤트 스트림 기반 영상 이상 탐지를 향하여: 기준선과 벤치마크 데이터셋
MAVFusion: 동작 인식 희소 상호작용을 통한 효율적인 적외선 및 가시광선 비디오 융합
적응형 테스트 타임 최적화를 통한 비디오 추론에서 VLM은 좋은 교사
신경 복셀 역학: 체적 특징 이류를 통한 암시적 3D 물리 학습
망각, 예측, 적응: 긴 동영상을 위한 테스트 시점 학습
도전적 조건에서 견고한 수술 다중 태스크 학습을 위한 시간적 일관성 레이블 보간
PhysEditWorld: 물리 편집 가능 월드 모델을 향한 대규모 데이터셋
ProtoKV: 요약 상태 메모리를 이용한 지연 쿼리 하의 스트리밍 비디오 이해
견고한 비디오 이해를 위한 신뢰도 인식 도구 오케스트레이션
TraMP-LLaMA: 표정 품질 평가를 위한 분리형 지시 미세조정 기반 생성적 해석 가능성
MOBA 분석을 위한 컴퓨터 비전: Dota 2 가시성 분석 데이터셋 및 기준선
참조 비디오 분할을 위한 이벤트 인식 인스트럭션 어시스턴트
HarmVideoBench: 대형 멀티모달 모델의 유해 영상 이해 벤치마킹
SAM2Matting: 일반화된 이미지 및 비디오 매팅
Colon-Bench: An Agentic Workflow for Scalable Dense Lesion Annotation in Full-Procedure Colonoscopy Videos
MSAVBench: 멀티샷 오디오-비디오 생성의 종합적이고 신뢰할 수 있는 평가를 향하여
MemDreamer: 계층적 그래프 메모리와 에이전트 검색 메커니즘을 통한 긴 영상 이해를 위한 지각과 추론의 분리
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.