Caption Anything in Video: Fine-grained Object-centric Captioning via Spatiotemporal Multimodal Prompting

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Tang, Yunlong, Bi, Jing, Huang, Chao, Liang, Susan, Shimada, Daiki, Hua, Hang, Xiao, Yunzhong, Song, Yizhi, Liu, Pinxin, Feng, Mingqian, Guo, Junjia, Liu, Zhuo, Song, Luchuan, Vosoughi, Ali, He, Jinxi, He, Liu, Zhang, Zeliang, Luo, Jiebo, Xu, Chenliang
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Computer Vision and Pattern Recognition
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Accesso online

https://arxiv.org/abs/2504.05541