Video Grounding

视频定位是计算机视觉领域的一项任务，旨在将自然语言描述与特定视频片段进行关联。该任务要求模型根据给定的视频和描述，识别出与描述相对应的具体视频段落，包括定位描述中提到的对象或动作，或确定描述对应的时间区间。视频定位在视频检索、内容理解和智能标注等应用中具有重要价值。