arXiv · cs.AI· Yogesh Kumar·· 6 小时前
Yogesh Kumar研究查询引导的视频对象、关系与时间片段定位
Where, How, and When: Query-Guided Grounding for Video Understanding
arXiv:2610.21422v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yogesh Kumar
研究任务与主要进展
Yogesh Kumar的论文研究视频理解中的三类查询引导定位任务：对象级定位、关系级定位和时间片段定位。论文提出QDETRv用于视频中未见对象的单样本定位、TOViT用于少样本视频目标检测、基于元学习关系网络的关系定位方法，以及用于视频间和文本到视频片段检索的MATR。基于论文摘要，MATR采用双阶段动态时间规整、可学习查询和自监督时间增强进行对齐；具体实验细节与性能范围材料未说明。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org