- …
- …
#735
summarized by : Ryota Suzuki
どんな論文か？
今の動画説明文生成はそれっぽいのを出すだけなので，部屋に自転車があったらgymだとしてしまったりする．ちゃんとした(Grounded；根拠のある)説明文生成のために，BoundingBoxと名詞をリンクした動画説明文データセットを作ってGroundingする機構をロスモジュール定義して実装した．
新規性
問題設定とデータセット．BBox付きでの学習の枠組みの提案．
結果
作ったデータセットに対しMasked Transformerで比較すると，Blue@1で+0.7%，METEORで+0.4%．人間（人数不明？）の評価では，提案手法のほうがいい33.6%，同格38.9%，Masked Transformerのがいい27.5%
その他（なぜ通ったか？等）
問題設定とデータセット，というテンプレート感．実装重視感があっていいけど，そういう解決になるのか
- …
- …