文章预览
今日更新12篇： 计算机视觉 11篇 自然语言处理 1篇 如果你想增加某个领域或会议的收集，可以后台私信。 计算机视觉: 11篇 [0] HAT: History-Augmented Anchor Transformer for Online Temporal Action Localization[cs.CV] 标题：HAT：基于历史的锚点变换器用于在线时序动作定位 作者：Sakib Reza, Yuexi Zhang, Mohsen Moghaddam, Octavia Camps 链接：http://arxiv.org/abs/2408.06437 摘要 ：在线视频理解通常依赖于单个帧，导致逐帧预测。最近的发展，如在线时序动作定位（OnTAL），将这一方法扩展到实例级预测。然而，现有方法主要关注短期上下文，忽视了历史信息。为了解决这一问题，我们为OnTAL引入了历史增强锚点变换器（HAT）框架。通过整合历史上下文，我们的框架增强了长期和短期信息之间的协同，提高了对分类和定位至关重要的锚点特征质量。我们在程序性自体中心（PREGO）数据集（EGTEA
………………………………
