CLIP4Clip: An Empirical Study of CLIP for End to End Video Clip Retrieval 论文解读

CLIP4Clip: An Empirical Study of CLIP for End to End Video Clip Retrieval

论文链接https://arxiv.org/abs/2104.08860.
代码链接https://github.com/ArrowLuo/CLIP4Clip.
网络结构如下:
在这里插入图片描述
其实论文的思路就是拿CLIP模型的image encoder和text encoder过来生成对应的编码,然后用一个计算相似度的模块让每一个视频文本对的相似度相近,不同的远离。文章创新点比较低,但是CLIP模型在超大数据量训出来的很强大,所以在图文上面性能很强。作者将它拿过来微调,然后在视频文本检索上面达到了SOTA。。。。。。。。。。

具体看了代码,有几个值得吐槽的地方:
1.在dataloader里面,他的做法是每计算一个视频,对视频抽一次帧。这样会造成训练特别特别慢。居然不提前把帧提好。。。。
2.每一个视频给的sample是1s提一帧,我怀疑这样真的能信息提取充分吗?
3.期待作者进一步公布预训练模型

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值