Temporal Sentence Grounding

Temporal Sentence Grounding (TSG) 是计算机视觉领域的子任务，旨在通过给定的自然语言查询，在未剪辑的视频中定位特定时刻。该任务利用不同层次的监督信息，包括弱监督（视频级动作类别集）、半弱监督（视频级动作类别集及若干时间戳的动作标注）和全监督（未剪辑视频中所有动作的类别及时间区间标注），以提高定位精度和泛化能力。TSG 对于视频检索、内容理解和人机交互具有重要应用价值。