WEKO3
アイテム
対話型ビデオ理解モデルにおける動作特徴量の活用
https://ipsj.ixsq.nii.ac.jp/records/234171
https://ipsj.ixsq.nii.ac.jp/records/234171fedf65bf-9c1d-43e2-b217-e6d11ec37c45
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-CVIM24238040.pdf (4.2 MB)
2026年5月8日からダウンロード可能です。
|
Copyright (c) 2024 by the Information Processing Society of Japan
|
|
| 非会員：¥660, IPSJ:学会員：¥330, CVIM:会員：¥0, DLIB:会員：¥0 | ||
| Item type | SIG Technical Reports(1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2024-05-08 | |||||||||
| タイトル | ||||||||||
| タイトル | 対話型ビデオ理解モデルにおける動作特徴量の活用 | |||||||||
| 言語 | ||||||||||
| 言語 | jpn | |||||||||
| キーワード | ||||||||||
| 主題Scheme | Other | |||||||||
| 主題 | 卒論スポットライトセッション (CVIM) | |||||||||
| 資源タイプ | ||||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_18gh | |||||||||
| 資源タイプ | technical report | |||||||||
| 著者所属 | ||||||||||
| 現在，電気通信大学 | ||||||||||
| 著者所属 | ||||||||||
| 現在，電気通信大学 | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Presently with The University of Electro-Communications | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Presently with The University of Electro-Communications | ||||||||||
| 著者名 |
中溝, 雄斗
× 中溝, 雄斗
× 柳井, 啓司
|
|||||||||
| 論文抄録 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | 近年，ビデオ理解分野では大規模言語モデルを活用し，対話的なビデオ理解を可能にしたモデルが登場している．しかし，既存のモデルではビデオの各区間に含まれる動作については注目されていない．そこで本研究では，動作特徴を用いた対話型ビデオ理解モデル Act-ChatGPT を提案する．Act-ChatGPT は定量的な比較においてベースモデルを上回り，定性的な比較においても動作の認識などで応答を改善する例が確認された． | |||||||||
| 書誌レコードID | ||||||||||
| 収録物識別子タイプ | NCID | |||||||||
| 収録物識別子 | AA11131797 | |||||||||
| 書誌情報 |
研究報告コンピュータビジョンとイメージメディア（CVIM） 巻 2024-CVIM-238, 号 40, p. 1-8, 発行日 2024-05-08 |
|||||||||
| ISSN | ||||||||||
| 収録物識別子タイプ | ISSN | |||||||||
| 収録物識別子 | 2188-8701 | |||||||||
| Notice | ||||||||||
| SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc. | ||||||||||
| 出版者 | ||||||||||
| 言語 | ja | |||||||||
| 出版者 | 情報処理学会 | |||||||||
