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.
비디오를 보내지 않고 거짓말 잡기: 프라이버시 보존 다중모달 기만 탐지
READ, 보이는 것 이상을 읽다: 정확하고 일관된 오디오 설명 생성을 위한 강화학습
LoCC: 반사실적 프레임 일관성을 통한 립싱크 딥페이크 탐지 및 위치 특정
DBT-Bleed: 키프레임 선택을 활용한 이중 분기 시간적 모델링 기반 수술 중 출혈 감지
보는 사고의 연쇄, 보지 못하는 답: Video-MME에서 강제 사고의 연쇄(Forced Chain-of-Thought)에 대한 다면 평가 방법
VideoLatent: Latent Self-Forcing을 통한 비디오-언어 학습
NEST: 긴 영상 이해를 위한 시간적 서사 이벤트 구조
ViCoStream: 단계별 조정 추론을 통해 100 FPS 이상으로 실행 가능한 스트리밍 비디오 LLM
CARE: 비디오-MLLMs에서 적응형 추론 길이를 위한 역량 인식 보상 성형
DeepForestVisionV2: 아프리카 열대 우림 카메라 트랩 모니터링을 위한 생태학 기반 분류군 확장
UNIEGO: 통합 자기중심적 비디오 표현 학습을 위한 프록시 중재자
TimeProVe: 일상 생활 활동에서의 효율적인 긴 영상 시간적 추론을 위한 제안 후 검증
활성 화자 탐지(ASD) 재조명: 일반화와 강건성을 위한 실제 환경(in-the-wild) 벤치마크
E-VAds: MLLM을 위한 이커머스 숏 비디오 이해 벤치마크
워크플로우에 주목: 비디오 스트림에서의 자동화되고 효율적인 이벤트 발견
SVHighlights: 초장 스포츠 비디오 하이라이트 감지를 향하여
OmniVideo-100K: 구조화된 스크립트와 증거 사슬을 통한 오디오-비전 추론 데이터셋
Qwen-RobotWorld 기술 보고서: 언어 조건부 비디오 생성을 통한 구현형 세계 모델링 통합
교집합으로서의 추론: 비디오 멀티모달 대규모 언어 모델에서의 시각적 초점을 위한 합의 프레임 정렬
MolmoMotion: 언어 지시를 통한 3D 점 궤적 예측
APT: 인과적 비디오-언어 이해를 위한 원자적 물리적 전이
Physics-IQ Verified
모션 중심 잠재 행동을 통한 인간 에고 비디오 기반 크로스-엠보디먼트 VLA 학습
DREAM: 크로스 모달 검색을 위한 이중 목표 인코딩을 통한 비전-언어 모델 확장
Do as I Do: 일상적인 인간 비디오에서의 교묘한 조작 데이터
FutureOmni: 멀티모달 대규모 언어 모델을 위한 옴니모달 컨텍스트 기반 미래 예측 평가
서비스 컴퓨팅에서 스타일화된 로고를 활용한 쿼리 효율적 비디오 적대적 공격
긴 영상에서의 옴니-모달 추론을 위한 벤치마크
암호화된 화상 회의 트래픽에서 패킷 수준 측정을 통한 QoE 학습
ThinkJEPA: 대규모 비전-언어 추론 모델로 잠재 세계 모델 강화
Kairos: 물리적 AI를 위한 네이티브 월드 모델 스택
추론 중심 수술 비디오 질의응답을 위한 디지털 트윈 표현 기반 강화학습 대규모 언어 모델 학습
액션 구동 디지털 트윈을 통한 수술실 클립의 추론 기반 텍스트-비디오 검색
손-객체 상호작용 탐지 개선 및 평가
SkillMoV: 통합된 다중 뷰 숙련도 추정을 위한 프로토타입 조건부 게이팅과 뷰 혼합 라우팅
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.