Artificial Intelligence,Computation and Language,Computer Vision and Pattern Recognition,هوش مصنوعی , محاسبات و زبان , چشم انداز رایانه و تشخیص الگوی ,
توضیحات
Submitted 27 August, 2024; v1 submitted 27 August, 2024; originally announced August 2024. , Comments: 5 pages, 4 figures, accepted by CIKM2024 Resource Track , MSC Class: 68T30 ACM Class: I.2.4; H.5.1
توضیحات به فارسی
ارسال شده در 27 اوت 2024 ؛V1 ارسال شده 27 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: 5 صفحه ، 4 شکل ، پذیرفته شده توسط مسیر منابع CIKM2024 ، کلاس MSC: کلاس 68T30 ACM: I.2.4 ؛H.5.1
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
Multi-modal knowledge graphs (MMKGs), which ground various non-symbolic data (e.g., images and videos) into symbols, have attracted attention as resources enabling knowledge processing and machine learning across modalities. However, the construction of MMKGs for videos consisting of multiple events, such as daily activities, is still in the early stages. In this paper, we construct an MMKG based on synchronized multi-view simulated videos of daily activities. Besides representing the content of daily life videos as event-centric knowledge, our MMKG also includes frame-by-frame fine-grained changes, such as bounding boxes within video frames. In addition, we provide support tools for querying our MMKG. As an application example, we demonstrate that our MMKG facilitates benchmarking vision-language models by providing the necessary vision-language datasets for a tailored task.
چکیده به فارسی (ترجمه ماشینی)
نمودارهای دانش چند منظوره (MMKGs) ، که داده های مختلف غیر نمادین (به عنوان مثال ، تصاویر و فیلم ها) را به نمادها منتقل می کنند ، به عنوان منابعی که امکان پردازش دانش و یادگیری ماشین را در بین روش ها فراهم می کند ، توجه را به خود جلب کرده است.با این حال ، ساخت MMKG برای فیلم های متشکل از چندین رویداد مانند فعالیت های روزانه هنوز در مراحل اولیه است.در این مقاله ، ما یک MMKG را بر اساس فیلم های شبیه سازی شده چند منظوره هماهنگ از فعالیت های روزانه می سازیم.علاوه بر نمایش محتوای فیلم های زندگی روزمره به عنوان دانش محور رویداد ، MMKG ما همچنین شامل تغییرات ریز فریم و فریم مانند جعبه های محدود در قاب های ویدیویی است.علاوه بر این ، ما ابزارهای پشتیبانی برای پرس و جو MMKG خود ارائه می دهیم.به عنوان نمونه کاربردی ، ما نشان می دهیم که MMKG ما با ارائه مجموعه داده های لازم برای زبان برای یک کار مناسب ، مدلهای معیار چشم انداز را تسهیل می کند.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
