密集视频字幕总结

1.Dense-Captioning Events in Videos
×    端到端×    DAPs            利用相邻事件上下文的字幕生成网络

2.Jointly Localizing and Describing Events for Dense Video Captioning
×    端到端√    事件/背景分类，
                        时间坐标回归        基于属性增强和强化学习的LSTM    创新点：描述性回归组件用于事件提议和字幕生成    

3.Bidirectional Attentive Fusion with Context Gating for Dense Video Captioning
√    端到端×    双向SST            具有上下文门控的双向注意力
                                                融合的字幕生成            创新点：上下文门控机制的双向注意力融合

4.End-to-End Dense Video Captioning with Masked Transformer
√    端到端√    ProcNets        Masked Transformer        创新点：使用变压器进行字幕生成

5.Joint Event Detection and Description in Continuous Video Streams
√    端到端√    R-C3D            分层字幕模块，低级字幕LSTM
                                                  和高级控制器LSTM        创新点：分层字幕模块

6.Streamlined Dense Video Captioning
×    端到端×    SST             分