Event-STVG: Định vị không-thời gian trong video phục vụ suy luận sự kiện dạng dài
Event-STVG: Spatio-Temporal Video Grounding for Long-Form Event Reasoning
Đoạn trích bài viết
Định vị video không-thời gian (STVG) nhằm mục đích định vị đồng thời một đối tượng mục tiêu trong cả không gian và thời gian dựa trên một truy vấn ngôn ngữ tự nhiên.
Toàn văn bài viết
Mở bài viết gốc
Đọc bài viết đầy đủ trên huggingface
Mở bài gốc để xem trọn vẹn chi tiết và dẫn chứng.