비디오 내 모든 이벤트를 정확하게 탐지하고 설명하는 크로스-모달 메모리 기반 밀집 비디오 캡셔닝

사람의 인지 정보 처리 과정에서 영감을 얻어, 외부 메모리를 활용하여 비디오 내 이벤트를 정확하게 탐지하고 설명하는 새로운 프레임워크를 제안한다.