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.
근거 기반 비디오 질의응답
PhysMRV: 물리적 타당성 추론을 위한 물리 메모리 검색 및 검증
강건한 오디오 인식으로 장문 옴니모달 이해 강화
WAM-TTT: 테스트 시간에 인간 플레이 영상을 활용한 월드-액션 모델 조종
AV-Master: 이중 경로 종합 인식을 통한 향상된 오디오-비주얼 질의응답
열거와 계수를 통한 멀티모달 LLM의 장편 비디오 정량적 추론 진단
행동 분할 데이터셋 압축을 위한 적응형 잠재 궤적 앵커링
VTaMo: 수어 번역을 위한 비디오-텍스트 정렬 모델
멀티모달 LLM을 활용한 정책 시각적 검사 기반 개방형 멀티에이전트 자동 커리큘럼
CommuniWave: 도시 커뮤니티 내 일시적 비공식 행동의 정도를 정량화하는 머신러닝 모델
AUTOPILOT VQA: 사고 중심 블랙박스 영상 이해를 위한 비전-언어 모델 벤치마크
XOV-Action: 일반화 가능한 오픈-보캐뷸러리 행동 인식을 향하여
StreamVLN: SlowFast 컨텍스트 모델링을 통한 스트리밍 비전-언어 내비게이션
공간 추론을 위한 비전-언어 메모리
적은 데이터, 빠른 수렴: 멀티모달 지시 미세조정을 위한 목표 주도 데이터 최적화
MAVEN: 비디오 추론 태스크를 위한 다단계 에이전트 기반 어노테이션 파이프라인
다중 객체 추적을 위한 선택적 마스크 전파
video-SALMONN-R³: 효율적인 비디오 이해를 위한 재시청, 재질문, 재답변 학습
VEGAS: 시선을 활용한 인간 정렬 비디오 캡션 평가
Whareformer: 긴 1인칭 시점 비디오에서 무엇이 어디에 있는지 추적하는 학습 기반 방법
OpenCoF: 비디오 생성을 통한 추론 학습
Omni-RRM: 자동 루브릭 기반 선호도 합성을 통한 옴니 보상 모델링 발전
수동적 관찰자에서 능동적 비평가로: 강화학습이 로봇 조작을 위한 과정 추론을 이끌어내다
VisCoP: 비전-언어 모델의 비디오 도메인 적응을 위한 시각적 프로빙
세밀한 열화 안내 순차적 추론을 통한 압축 비디오의 블라인드 화질 향상
SWITCH: 장기 수평 구현형 시나리오에서 유형 인터페이스의 모델링 및 처리 벤치마킹
Superman: 인간 동작 인식 및 생성을 위한 스켈레톤과 비전의 통합
HumanOmni-Speaker: 누가 무엇을 언제 말했는지 식별하기
긴 영상 키프레임 검색을 위한 쿼리의 툴 호출 분해
다중 스케일 합성곱과 동적 라우팅을 통한 비디오-텍스트 시간적 로컬라이제이션
Light-Omni: 장기 기억을 갖춘 에이전틱 비디오 이해에서 추론보다 반사적 처리
EeveeDark: 이벤트 기반 센서 수준 융합을 통한 저조도 비디오 향상을 위한 이진 신경망 프레임워크
신분증 내 광학 가변 장치의 시간적 모델링
EgoPolice: 고위험 경찰 바디캠 영상에서의 자기중심 비디오 이해를 위한 벤치마크
OmniFocus: 옴니모달 대규모 언어 모델을 위한 쿼리 기반 모달리티 균형 토큰 압축
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.