Enhancing Bangla video comprehension through multimodal feature integration and attention-based encoder-decoder captioning models for single-action videos

Enhancing Bangla video comprehension through multimodal feature integration and attention-based encoder-decoder captioning models for single-action videos

This thesis is submitted in partial fulfillment of the requirements for the degree of Bachelor of Science in Computer Science, 2024.

Մատենագիտական մանրամասներ
Հիմնական հեղինակներ: Das, Saurav, Biswas, Shammo, Fahim, Taimoor, Sanjan, M.A.B. Siddique, Tarannum, Tasnia Alam
Այլ հեղինակներ: Alam, Md. Ashraful
Ձևաչափ: Թեզիս
Լեզու:English
Հրապարակվել է: Brac University 2024
Խորագրեր:
Video captioning
Bangla language
Video processing
Natural language processing
Feature fusion
Encoder-decoder framework
Multimodal fusion
GRU-Gaussian attention model
CIDEr score
Natural language processing (Computer science).
Neural networks (Computer science).
Առցանց հասանելիություն:http://hdl.handle.net/10361/24342

Նմանատիպ նյութեր

Նմանատիպ նյութեր