Derniers articles pour Analyse de vidéo

VideoEval établit une nouvelle référence pour évaluer efficacement les modèles de base vidéo.

Une nouvelle méthode améliore la compréhension du contenu vidéo par l'IA.

TrCAM-V propose une nouvelle façon de localiser des objets dans des vidéos avec un minimum d'infos.

Une nouvelle méthode améliore la segmentation d'objets dans les vidéos avec des données faiblement étiquetées.

Utiliser des vidéos non étiquetées pour améliorer la reconnaissance d'actions dans des vidéos longues.

Utiliser la technologie NeRF pour recréer des scènes de crime à partir de vidéos.

Combiner des infos audio et visuelles aide à mieux reconnaître les objets dans les vidéos.

Cette étude propose une nouvelle méthode d'évaluation pour la compréhension vidéo-texte.

ActionSwitch détecte des actions dans des vidéos en streaming sans avoir besoin d'infos de classe au préalable.

LookupViT améliore les tâches de reconnaissance visuelle grâce à un traitement efficace des tokens.

Une nouvelle approche améliore la compréhension des vidéos longues, en s'attaquant à des défis clés.

VARS utilise l'analyse vidéo pour aider les arbitres à tous les niveaux du football.

Utiliser la technologie pour améliorer les procédures médicales d'urgence et soutenir les intervenants.

Une nouvelle méthode améliore la compréhension des vidéos en séparant les caractéristiques dynamiques et statiques.

Un ensemble de données qui donne des aperçus sur les interactions des piétons dans des situations de circulation.

Un nouveau repère améliore la compréhension des modèles sur les longues vidéos et le langage.

Un aperçu de comment la segmentation d'action améliore notre compréhension des comportements animaux.

Ego-VPA simplifie l'adaptation pour l'analyse vidéo égocentrique, améliorant l'efficacité et la performance.

SANGRIA améliore l'analyse vidéo chirurgicale en utilisant des graphes de scènes dynamiques et des annotations minimales.

Cette étude améliore la détection d'actions vidéo en se concentrant sur le contexte et la classification.

Une nouvelle méthode améliore le suivi des points en liant le langage avec des données visuelles.

SAM-2 améliore l'analyse vidéo chirurgicale, gérant des défis comme la fumée et un éclairage faible.

Ce modèle prédit le mouvement des objets et analyse le contenu vidéo de manière efficace.

Un nouveau jeu de données et une méthode améliorent le grounding vidéo pour des récits complexes.

YOWOv3 améliore la détection d'action dans les vidéos avec efficacité et précision.

COM Kitchens propose des vidéos de cuisine non montées pour étudier les processus de préparation des aliments.

MATR améliore la détection d'actions dans des vidéos non montées grâce à une technologie augmentée par la mémoire.

mPLUG-Owl3 améliore la compréhension des images et des vidéos pour des réponses plus efficaces.

Une nouvelle méthode améliore la classification des actions en utilisant le contexte historique dans les vidéos.

Ce cadre améliore la localisation d'actions dans les vidéos en utilisant une représentation probabiliste et le contexte.

Une méthode pour résumer des vidéos de différentes cultures et sources d'info.

Les benchmarks actuels sous-estiment la capacité des modèles à relier les données audio et visuelles.

Une nouvelle méthode améliore le suivi d'objets dans des vidéos à la première personne en utilisant une conscience 3D.

De nouvelles méthodes améliorent la précision et l'efficacité de la segmentation vidéo pour diverses applications.

De nouvelles méthodes améliorent la détection d'action dans les vidéos grâce à des techniques de formation innovantes.

Examiner le pouvoir des modèles de fond dans les tâches de suivi de point efficaces.

Une nouvelle méthode localise des événements vidéo en utilisant de grands modèles pré-entraînés sans formation spécifique.

Cette étude améliore la reconnaissance d'action en fusionnant des cartes de profondeur avec des images vidéo RGB.

ConsistencyTrack améliore le suivi des objets dans les vidéos en utilisant des techniques innovantes de gestion du bruit.

Une nouvelle approche améliore la détection d'actions dans les vidéos en s'attaquant à l'effondrement de l'attention.