文本-视频对齐

TF-CADE：面向零样本时序动作检测的前景集中文本-视频对齐

TF-CADE: Foreground-Concentrated Text-Video Alignment for Zero-Shot Temporal Action Detection

提出前景集中的文本-视频对齐方法，通过动作集中聚合和基于确定性的置信度重加权，提升零样本时序动作检测中动作类别的语义区分度，可复用于其他需要细粒度文本-视频对齐的视频理解任务。