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

Fuente: arXiv

Enregistré dans:

Détails bibliographiques
Auteurs principaux:	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
Format:	Preprint
Publié:	2025
Sujets:	Computer Vision and Pattern Recognition
Accès en ligne:	Acceder al recurso
Tags:	Ajouter un tag Pas de tags, Soyez le premier à ajouter un tag!

Description
Aucune description n'est disponible.

Documents similaires