This paper tackles a recently proposed Video Corpus Moment Retrieval task. This task is essential because advanced video retrieval applications should enable users to retrieve a precise moment from a large video corpus. We propose a novel CONtextual QUery-awarE Ranking~(CONQUER) model for effective moment localization and ranking. CONQUER explores query context for multi-modal fusion and representation learning in two different steps. The first step derives fusion weights for the adaptive combination of multi-modal video content. The second step performs bi-directional attention to tightly couple video and query as a single joint representation for moment localization. As query context is fully engaged in video representation learning, from feature fusion to transformation, the resulting feature is user-centered and has a larger capacity in capturing multi-modal signals specific to query. We conduct studies on two datasets, TVR for closed-world TV episodes and DiDeMo for open-world user-generated videos, to investigate the potential advantages of fusing video and query online as a joint representation for moment retrieval.


翻译:本文处理最近提出的视频Corpus Moment Retreal 任务。 此项任务至关重要, 因为高级视频检索应用程序应该让用户能够从大型视频中获取一个准确的瞬间。 我们为有效的时间本地化和排名建议了一个新型的Cextual Query- awarE Ranking~( COONQUER) 模型。 CONAQUER 探索多模式聚合和演示学习的两个不同步骤的查询背景。 第一步为多模式视频内容的适应性组合提供了聚合重量。 第二步是双向关注紧凑的视频和查询, 作为瞬间本地化的单一联合代表。 由于查询环境完全参与视频演示学习, 从特性聚合到转换, 由此产生的功能以用户为中心, 并具有更大的能力捕捉用于查询的多模式信号。 我们对两个数据集进行了研究, TVR 用于封闭世界电视片段, DiDeMo 用于开放世界用户生成的视频, 以调查将视频和查询作为暂时检索的联合代表的潜在优势 。

0
下载
关闭预览

相关内容

专知会员服务
31+阅读 · 2021年6月12日
【AAAI2021】知识增强的视觉-语言预训练技术 ERNIE-ViL
专知会员服务
25+阅读 · 2021年1月29日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
【深度学习视频分析/多模态学习资源大列表】
专知会员服务
91+阅读 · 2019年10月16日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
BERT/Transformer/迁移学习NLP资源大列表
专知
19+阅读 · 2019年6月9日
已删除
将门创投
3+阅读 · 2019年4月12日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
MoCoGAN 分解运动和内容的视频生成
CreateAMind
18+阅读 · 2017年10月21日
Arxiv
3+阅读 · 2012年11月20日
VIP会员
Top
微信扫码咨询专知VIP会员