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.
LiveStarPro: 장기 스트림을 위한 계층적 메모리를 활용한 선제적 스트리밍 비디오 이해
EgoCS-400K: 월드 모델을 위한 1인칭 게임플레이 데이터셋
ReFoCUS: 문맥 이해를 위한 강화학습 기반 프레임 최적화
Periodic-MAE: rPPG 추정을 위한 주기적 비디오 마스크드 오토인코더
MultiToP: 비디오 대규모 멀티모달 모델의 환각 완화를 위한 비주얼 토큰 패칭 학습
nD-RoPE: n차원 위치 임베딩을 위한 일반화된 RoPE
Temporal2Seq: 시간적 비디오 이해 태스크를 위한 통합 프레임워크
RelayFormer: 확장 가능한 이미지 및 비디오 조작 국지화를 위한 통합 로컬-글로벌 어텐션 프레임워크
물리 기반 시공간 모델링을 통한 AI 생성 영상 탐지
ReMoT: 모션 대비 삼중항을 활용한 강화학습
CoVR-R: 추론 인식 합성 비디오 검색
커넥터를 거치면 어떤 의미가 남는가? 비디오 편집에서 VLM-to-DiT 정렬 진단
Frames2LoRA: 비전-언어 모델을 위한 파라메트릭 비디오 내재화
CoVEBench: 비디오 편집 모델은 복잡한 지시를 처리할 수 있는가?
CoCoSI: 공간 지능을 위한 협력적 인지 지도 구축
4DP-QA: 비전-언어 모델의 4D 인식을 위한 확장 가능한 QA
오디오-비주얼 일반화 제로샷 학습을 위한 계층적 표준화 임베딩 정렬에 관하여
추론하고, 재추론하라: 교차 뷰 재방문을 통한 공간 추론 향상
시공간 장면 그래프 그라운딩 기반 계획-검증 비디오 보상 추론
콘텐츠에서 지식으로: 신경 지식 표현을 활용한 초고속 장영상 이해
LLM 기반 비디오 스티칭을 통한 수어 번역 코퍼스 증강
SpikeTAD: End-to-End 시간적 행동 탐지를 위한 스파이킹 신경망
제로�ots 사고 이해를 위한 메타데이터 인식 다중 프롬프트 추론
MSUE: 멀티모달 축구 이해 전문가 모델
Q-Fold: 장영상 이해를 위한 쿼리 인식 Focus-Context 시공간 폴딩
TopoCap: 단안 영상-애니메이션 변환을 위한 토폴로지 무관 모션 프라이어 학습
InternVideo3: 멀티모달 맥락적 추론으로 파운데이션 모델 에이전트화
MLT-Dedup: 다수준 표현과 시공간 매칭을 통한 효율적인 대규모 온라인 비디오 중복 제거
MAGMaR 2026 공유 과제 결과
시간 단위 긴 영상에서의 자연어 시간적 그라운딩은 검색 문제입니다: 벤치마크 및 경험적 분해
로봇의 생체 신호 감지를 위한 조명 강건 카메라 기반 심박수 추정
ProcessThinker: 롤아웃 기반 과정 보상을 통한 멀티모달 대규모 언어 모델 추론 향상
멀티모달 단서의 해독: 혐오 영상 내 암시적 의미 규명
LUCID: 확장 가능한 정교한 로봇 기술 습득을 위한 비정형 인간 비디오에서의 본체 비종속 의도 모델 학습
중국어 숏비디오 허위 정보에 내재된 인지 편향에 대한 멀티모달 대규모 언어 모델 탐색
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.