2ヶ月前
InternVideo-Ego4D: Ego4Dの課題に対する優勝ソリューション群
Chen, Guo ; Xing, Sen ; Chen, Zhe ; Wang, Yi ; Li, Kunchang ; Li, Yizhuo ; Liu, Yi ; Wang, Jiahao ; Zheng, Yin-Dong ; Huang, Bingkun ; Zhao, Zhiyu ; Pan, Junting ; Huang, Yifei ; Wang, Zun ; Yu, Jiashuo ; He, Yinan ; Zhang, Hongjie ; Lu, Tong ; Wang, Yali ; Wang, Limin ; Qiao, Yu
要約
本報告では、Ego4Dチャレンジの5つのトラックにおける当社の優勝ソリューションを紹介します。これらのEgo4Dタスクには、Momentsクエリ、自然言語クエリ、未来の手の予測、状態変化オブジェクト検出、短期的な物体相互作用予測が含まれます。私たちは開発したInternVideo（ビデオ基礎モデル）を用いて、これらのタスクに取り組みました。InternVideo-Ego4Dは、単純なヘッド設計により強力な基礎モデルをエゴセントリックビデオ理解タスクに適応させる効果的なパラダイムです。これら5つのタスクにおいて、InternVideo-Ego4Dの性能はベースライン手法やCVPR2022の優勝者を総合的に上回り、InternVideoがビデオ基礎モデルとして持つ強力な表現能力を示しています。当社のコードは以下のURLで公開されます: https://github.com/OpenGVLab/ego4d-eccv2022-solutions