Zhenhua Feng

新しいフレームワークは、空間的な手がかりと時間的な手がかりを分けることでアクション認識を改善する。

新しい方法で、マスク画像モデリングのトレーニングが加速されて、パフォーマンスが落ちることはないんだ。

MV-RGBTは、RGBTトラッキング手法を評価するためのリアルなデータセットを提供してるよ。

SimVGは、テキストを特定の画像エリアにもっと効果的にリンクさせることで、視覚的なグラウンディングを改善するよ。