CLUE: Contrastive language-guided learning for referring video object segmentation

Referring video object segmentation (R-VOS), the task of separating the object described by a natural language query from the video frames, has become increasingly critical with recent advances in multi-modal understanding. Existing approaches are mainly visual-dominant in both representation-learni...

Celý popis

Podrobná bibliografie

Vydáno v:	Pattern recognition letters Ročník 178; s. 115 - 121
Hlavní autoři:	Gao, Qiqi, Zhong, Wanjun, Li, Jie, Zhao, Tiejun
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Elsevier B.V 01.02.2024
Témata:	Contrastive learning Deep learning Multi-modal Video object segmentation Video object segmentation Deep learning Multi-modal Contrastive learning
ISSN:	0167-8655, 1872-7344
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!