会员服务
视频描述生成（Video Caption），就是从视频中自动生成一段描述性文字
From Visual Cues to Spoken Narration: Rethinking Audio Description
Arxiv
0+阅读 · 9月1日
AVSCap: Orchestrating Audio-Visual Synergy for Omni-modal Video Captioning
Arxiv
0+阅读 · 7月14日
ProCap: Prominence-guided Object Rectification for Faithful and Comprehensive Video Captioning
Arxiv
0+阅读 · 7月23日
Watching Synthetic Videos: Aligning Cross-modal Representations with Visual Synthesis for Zero-shot Video Captioning
Arxiv
0+阅读 · 8月11日
Adaptive Emotional Video Captioning via Affective Heterogeneous Graph Reasoning and Multi-task Joint Learning
Arxiv
0+阅读 · 7月31日
TAU-Agent: An Agentic Retrieval-Augmented Framework for Traffic Anomaly Understanding
Arxiv
0+阅读 · 8月26日
CineCap: Structured Reasoning with Spatio-Temporal Anchors for Cinematographic Video Captioning
CineCap: Structured Reasoning with Spatio-Temporal Anchors for Cinematographic Video Captioning
Arxiv
0+阅读 · 6月23日
CapRiCorn-1K: A Comprehensive Benchmark for Video Captioning and Subject Referential Consistency Across Temporal Scales
Arxiv
0+阅读 · 6月20日
Hallucination Localization in Video Captioning
Arxiv
0+阅读 · 2025年10月29日
LASER: A Neuro-Symbolic Framework for Learning Spatial-Temporal Scene Graphs with Weak Supervision
Arxiv
0+阅读 · 2025年10月27日
RETTA: Retrieval-Enhanced Test-Time Adaptation for Zero-Shot Video Captioning
Arxiv
0+阅读 · 2025年10月28日
VC4VG: Optimizing Video Captions for Text-to-Video Generation
Arxiv
0+阅读 · 2025年10月28日
IF-VidCap: Can Video Caption Models Follow Instructions?
Arxiv
0+阅读 · 2025年10月21日
Shot2Tactic-Caption: Multi-Scale Captioning of Badminton Videos for Tactical Understanding
Arxiv
0+阅读 · 2025年10月16日
LLMVA-GEBC: Large Language Model with Video Adapter for Generic Event Boundary Captioning
Arxiv
0+阅读 · 2025年10月8日
参考链接
微信扫码咨询专知VIP会员
Top