Cap4Bridge: Caption-Guided Cross-Modal Contextualization With Stochastic Augmentation for Text-Video Retrieval

A key challenge in text-video retrieval is bridging the semantic gap between information-rich videos and concise text queries. Existing methods often address this by incorporating auxiliary captions from Large Language Models (LLMs) or employing stochastic modeling. However, these approaches face cr...

முழு விளக்கம்

நூற்பட்டியல் விவரங்கள்

முதன்மை ஆசிரியர்கள்:	Minju Jeon, Hyungee Kim, Si-Woo Kim, Youngtaek Oh, Soeun Lee, Dong-Jin Kim
வடிவம்:	Artigo
மொழி:	Inglês
வெளியிடப்பட்டது:	IEEE 2026-01-01
தொடர்:	IEEE Access
பொருள்கள்:	Computer vision text-video retrieval cross-modal learning semantic alignment
ஆன்லைன் அணுகல்:	https://ieeexplore.ieee.org/document/11474843/
குறிச்சொற்கள்:	குறிச்சொல்லை சேர்க்கவும் டாக்‌ஸ் இல்லை, இந்த பதிவுக்கு குறிச்சொல் சேர்க்கும் முதல் நபராக இருங்கள்!