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.
에고센트릭 시각 이해에서 이중 정확 예측을 갖는 저지연 비전-언어 모델을 향하여
MJEPA: 오디오-비주얼 학습을 위한 간단하고 확장 가능한 결합 임베딩 예측 아키텍처
AVOC: Enhancing Hour-Level Audio-Video Understanding in Omni-Modal LLMs via Retrieval-Inspired Token Compression
EchoFoley: Event-Centric Hierarchical Control for Video Grounded Creative Sound Generation
Dual-Anchoring: Addressing State Drift in Vision-Language Navigation
Cosmos 3: 물리적 AI를 위한 옴니모달 월드 모델
WorldOlympiad: 당신의 월드 모델은 트라이애슬론을 통과할 수 있는가?
포인트 클라우드 비디오를 위한 삼중 효율적 전이학습
다중 모달 행동 인식을 위한 모달리티 인식 분포 외 탐지
EgoSAT: 자아중심 스트리밍 상호작용 이해를 위한 종합 벤치마크
기하학 인식 지식 증류를 통한 텍스트 기반 비디오 분할 향상
ViTexQA: A Multi-Frame Temporal Perception Dataset for Video Text Question Answering
SER: Learning to Ground Video Reasoning with Semantic Evidence Rewards
UniDrive: A Unified Vision-Language and Grounding Framework for Interpretable Risk Understanding in Autonomous Driving
EG-VQA: Benchmarking Verifiable Video Question Answering with Grounded Temporal Evidence
CineCap: Structured Reasoning with Spatio-Temporal Anchors for Cinematographic Video Captioning
SignVLA: 어텐션 LSTM과 비전-언어-행동(VLA) 모델을 통한 실시간 수어 기반 로봇 조작
비디오-언어 모델은 언제 시청을 멈추는가? 보상 강도가 다중모달 RLVR에서 시각적 지름길의 형성과 역전을 제어한다
월드 모델 기반 비디오 생성에서 물리적 일관성의 참조 없는 평가
동영상 기반 심층 학습 수화 인식 및 인도 방언으로의 교차 언어 번역
위성 영상과 Video Swin-Hybrid-U-Net을 이용한 캐나다 시공간 산불 확산 예측
GEOPHYS: 물리적 타당성의 기하학
Video2Code: 액션 인식 재방문을 통한 UI 동영상으로부터의 상호작용형 웹페이지 생성
비디오 모델은 얼마나 잘 기억할 수 있는가: 장기 비디오 이해에서 메모리-예산 트레이드오프 측정
XmoPipe: 대규모 실환경(in-the-wild) 인간 모션 데이터셋 구축 파이프라인
CogniRoute: 옴니모달 모델에서 사회적 증거 라우팅 학습
BadDreamer: 자율주행용 비디오 월드 모델을 겨냥한 이식 가능한 백도어 공격
개념 기반 논리적 추론을 통한 해석 가능한 골격 기반 발작 탐지를 위한 신경-기호 프레임워크
SCOPE: 스케일 일관적 단일 패스 3D 기하 추정
LEViL: VLM 생성 의사 라벨 공간에 대한 제로샷 증류를 통한 라벨 효율적 비디오 학습
제로샷 절차적 실수 탐지를 위한 VLM의 비합리적인 효과
HPP: 지각과 추론 분리를 통한 장기 비디오 이해를 위한 계층적 프로그램적 프로빙
CapRiCorn-1K: 다양한 시간 척도에 걸친 비디오 캡셔닝 및 주체 참조 일관성 종합 벤치마크
파운데이션 표현을 활용한 문맥 학습 기반 수술 해부학 인식
트랙릿 기반 시청각 추론을 통한 정확하고 강건한 감시 도로변 공회전 차량 탐지
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.