利用多模態查詢定位影片中的事件

本文提出了一種利用多模態查詢（包含參考圖像和精煉文字）進行影片事件定位的新方法，並建立了一個新的評估基準 ICQ 及其測試資料集 ICQ-Highlight，同時探討了不同參考圖像風格和精煉文字對定位效果的影響。