arXiv · Machine Learning· Maria-Eirini Pegia, Dimitrios Stefanopoulos, Bj\"orn {\TH}\'or J\'onsson, Anastasia Moumtzidou, Ilias Gialampoukidis, Stefanos Vrochidis, Ioannis Kompatsiaris·· 8 小时前AI 评分41
文本到视频检索性能瓶颈的理解：全面的实证与语言学分析
Understanding the Performance Plateau in Text-to-Video Retrieval: A Comprehensive Empirical and Linguistic Analysis
AI 导读
研究评估了14种先进文本到视频检索方法在3个常用数据集上的表现，分析字幕特征与模型性能之间的关系。结果显示，简短清晰的字幕更容易获得较高召回率，而复杂事件、多步骤活动和细粒度场景描述仍是现有模型的难点。注意力驱动架构更擅长处理时间依赖和多步骤查询。
来源：arXiv · Machine Learning · arxiv.org