Ancrage Narratif Vidéo

La tâche de Vidéo Narration Ancrage consiste à établir un lien entre les informations visuelles et linguistiques, dans le but d'associer des récits vidéo à des segments vidéo spécifiques. Cette tâche prend en entrée une vidéo contenant des descriptions textuelles et les positions des noms propres marquées au sein de ces descriptions, et nécessite la génération de masques de segmentation pour les objets cibles correspondants à chaque nom marqué dans chaque image. En localisant précisément les objets au sein des vidéos, la Vidéo Narration Ancrage présente une valeur d'application significative dans des domaines tels que la compréhension multimodale, l'annotation vidéo et la recherche de contenu.