- …
- …
#752
summarized by : QIUYUE
どんな論文か？
従来手法デンスビデオキャプションではビデオからevent proposalsを検出する段階で異なるProposals間の時間的関連性を重要視していない．この論文で，①sequence generation networkを用いてビデオから関連性を考慮したproposalsを求める；②RNNと強化学習を利用し視覚と言語情報を考慮したキャプション生成．
新規性
Event Proposal Networkとキャプションデコーダーの間にsequence generation networkを取り入れて，Temporal一致性が高いようなEvent Proposalを得られる．
結果
ActivityNet CaptionsデータセットにおいてSOTAなMETEOR値(あらゆる評価指標のなかに人間評価と近い方)を得られた．
その他（なぜ通ったか？等）
EventとEpisode両方を考慮したevent proposalsを出力できる．
- …
- …