多媒体智能的时序学习
Video QA |
Grounding |
Diffusion
目标1：S* 狗一条 S* 狗和一条 V* 猫跳过一条河。
目标2：V* 猫一条 S* 狗和一条 V* 猫在下棋。 |
H2V for sports lives |