本文探讨了视频理解的关键领域，包括视频分类、时态动作检测、空间行动检测和视频与语言的结合。视频理解的核心在于时态信息建模，如光流计算和RNN的应用。此外，还介绍了视频本地化、视频QA、视频分割和视频字幕等任务，以及相关领域的研究现状和未来挑战。
video understanding（视频理解）
整理一
整理网站：https://www.zhihu.com/question/64021205
video understanding中的相关领域
- video classification ：视频分类（最底层）
- temporal action proposal/detection：临时行动建议/检测
- spatial action detection：空间行动检测
- video+language：视频+语言
- video QA：视频 QA
video 与 image 的本质差异：
video有temporal information（时间信息）
研究方向(问题定义)，方法设计：围绕temporal
temporal information提供temporal context (时序上下文)
好处：帮助对视频的识别和推理
坏处：信息冗余，提高计算量
扩展
- 最底层：video classification （视频分类）
- 下一个层次：temporal action detection（时态动作检测&#x
最低0.47元/天 解锁文章
扫一扫
2889
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
