antoyang/TubeDETR

[CVPR 2022 Oral] TubeDETR: Spatio-Temporal Video Grounding with Transformers

语言：Python · GitHub 星标：196 · Fork：12

话题：hc-stvg · multimodal-learning · spatio-temporal-video-grounding · stvg · video-understanding · vidstg · vision-and-language · visual-grounding

在 GitHub 上查看原仓库