Multi-Resolution Audio-Visual Feature Fusion for Temporal Action Localization

Temporal Action Localization (TAL) aims to identify actions' start, end, and class labels in untrimmed videos. While recent advancements using transformer networks and Feature Pyramid Networks (FPN) have enhanced visual feature recognition in TAL tasks, less progress has been made in the integr...

Ausführliche Beschreibung

Bibliographische Detailangaben

Veröffentlicht in:	arXiv.org 2023-10
Hauptverfasser:	Fish, Edward, Weinbren, Jon, Gilbert, Andrew
Format:	Artikel
Sprache:	eng
Schlagworte:	Audio data Feature recognition Localization
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!