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.
Lean-SAM2: SAM2를 위한 타깃 앵커 메모리 및 인코더 가속
MoAKE: 동작 지식 전문가 혼합을 통한 통합 올인원 동작 품질 평가
스트리밍 항공 영상에서 소형 객체 이해를 위한 메모리 증강 멀티모달 대규모 언어 모델
LoRFT: 고정형 고속도로 카메라 기반 장거리 차량 궤적 복원 벤치마킹
11th ABAW Competition Team RAS: 다중모달 양가성 인식 접근법
옴니-모달 이해를 위한 추론으로서의 네이티브 능동 지각
비디오 = 월드(World) + 이벤트 스트림(Event Stream)
MEMORA: 자기중심 비디오로부터의 체화 행동 기억을 통한 추론 및 계획
TikStance: TikTok 정치 대화에서 다중 대상 입장 분석을 위한 멀티모달·계층적 데이터셋
RxBrain: 언어-시각 추론 및 상상을 결합한 구현 인지 기반 모델
일관된 비디오 기하 추정을 향하여
CF-Net: 화자 정규화와 확실성 가중을 활용한 Conflict Fusion 기반 양가감정/망설임 인식
Open-AoE: 체화 학습을 위한 공개 자아 중심 조작 데이터셋 및 툴체인
HAR를 위한 동적 조작 하이퍼그래프: 쌍wise 관계를 넘어서: 비전 기반 인간 활동 인식을 위한 동적 조작 하이퍼그래프
영화의 자기회귀 모델링과 비디오 몽타주 응용
VIABench: 시각장애인으로부터 수집한 시각장애 보조를 위한 포괄적 비디오 벤치마크
VideoSEMA: 비디오 이해를 위한 확장 가능하고 효율적인 Mamba-like 어텐션
로봇 축구 경기를 위한 LLM 기반 자동 스포츠 중계 솔루션
강·약 라벨을 활용한 검출, 분할, 추적 및 비디오 인스턴스 분할을 지원하는 정지 이미지 및 시공간 토마토 데이터
VideoChat3: 효율적이고 범용적인 영상 이해를 위한 완전 오픈 영상 MLLM
Stitch-Inferencer: 파노라마 재구성을 통한 내시경 영상 분할 및 추적 향상
심초음파 기반 심근경색 국소화를 위한 운동 조건부 다중 뷰 융합
다단계 시각 추론을 위한 계층적 디노이징
일상 활동 분류에는 자세가, 재구성에는 동작이 필요하다
NeMo: 영상-언어 이해를 위한 Needle in a Montage
강수 단기 예보를 위한 공간-시간 트랜스포머
묘사를 넘어서: 체화 에이전트의 세밀한 동작에 대한 인지적 벤치마킹
Track and Caption Any Motion: 궤적 조건 생성을 통한 개방 어휘 시공간 캡셔닝
Fre-Res: 효율적 비디오 MLLM을 위한 주파수-잔차 비디오 토큰 압축
TIME Machine: 효율적 인지를 위한 모션의 힘
CoVStream: 긴 비디오 스트림 이해를 위한 엣지-클라우드 협업
파노라마 장면 이해: 왜곡 인지 엔지니어링에서 구면 고유 모델링까지의 서베이
EFlow: 적응적 반영을 통한 장편 비디오 추론을 위한 증거 흐름 학습
공간 속 자아: UAV 체화 지능에서 자기 인식과 공간 인지 벤치마킹
DynTrace: MLLM에서 4D 시공간 추론을 위한 동적 객체 증거 추적
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.