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...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	Pattern recognition letters Jg. 178; S. 115 - 121
Hauptverfasser:	Gao, Qiqi, Zhong, Wanjun, Li, Jie, Zhao, Tiejun
Format:	Journal Article
Sprache:	Englisch
Veröffentlicht:	Elsevier B.V 01.02.2024
Schlagworte:	Contrastive learning Deep learning Multi-modal Video object segmentation Video object segmentation Deep learning Multi-modal Contrastive learning
ISSN:	0167-8655, 1872-7344
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Schreiben Sie den ersten Kommentar!