Effiziente Verarbeitung und Analyse von Inhalten zur Gewinnung von Erkenntnissen: Eine Methode zur dichten Videobeschriftung mit Kreuzmodaler Speicherabfrage

Unser Modell nutzt einen externen Speicher, um relevante Informationen aus Vorwissen abzurufen, um die Qualität der dichten Videobeschriftung zu verbessern.