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

http://hdl.handle.net/10361/24342

Նմանատիպ նյութեր