ConTrans: Representaciones local-global con texto para localización zero-shot
Descubre ConTrans: combina convolución y transformer para representaciones local-global en localización zero-shot, nuevo benchmark.
#localización temporal
Repensando el Anclaje Temporal de Video Débilmente Supervisado desde una Perspectiva de Juego
Explora el anclaje temporal débilmente supervisado desde una óptica de juego. Un enfoque innovador para la localización de eventos en vídeo.