西风的那一年

文章信息：Karch T , Teodorescu L , Hofmann K ,et al.Grounding Spatio-Temporal Language with Transformers[J]....

论文信息：Gao J , Sun C , Yang Z ,et al.TALL: Temporal Activity Localization via Language Query[J].arXiv e-prints, 2017.DOI:10.1109/iccv.2017.563. 代码：https://github.com/WuJie1010/Awesome-Temporally-Language-Grounding 1实现自然语言定位活动的挑战有以下几个方面：1）符合需求的多模态（语言查询和动作定位）表现；2）根据细度有限的特征准确地完成任务。我们提出了一种跨模态的时间回归定位器来联合两种模型，输出指定视频片段的对齐分数和动作边界回归结果。 传统的定位方法多使用基于光学流或者卷积神经网络训练的分类器，并且以滑动窗口的方式实现。一种支持自然语言查询的直接实现方式是吧查询分为离散的标签集合，然而要设计一种能够照顾大范围活动且不会丢失用户查询中的重要信息的标签集合并不容易。 为了能够解决离散活动标签的问题，一种可能的办法是将可视特征和句意特征都嵌入一个空间（common...

论文信息：Harrison, Joshua J. et al. “A Practical Deep Learning-Based Acoustic Side Channel Attack on Keyboards.” 2023 IEEE European Symposium on Security and Privacy Workshops (EuroS&PW) (2023): 270-280. 背景侧信道攻击（SCA，Side Channel...

论文信息：Zhang, Hao et al. “Video Corpus Moment Retrieval with Contrastive Learning.” Proceedings of the 44th International ACM SIGIR Conference on Research and Development in Information Retrieval (2021): n. pag. 摘要+引言部分​ 视频语料库片段检索（Video Corpus Moment Retrieval，VCMR）的目的是通过给定查询语句的语义查找对应的视频时域片段。由于视频和文本信息来自两个不同的特征空间，如何实现VCMR有两种基本方式：（i）独立加码每个模型的输出，然后将两个模型输出按顺序执行（原文表述为align，在前几篇论文中则表述为前一模型的输出为后一模型的输入）、（ii）使用细粒度跨模态交互。在本文提出的ReLoCLNet（Retrieval and Localization Network with Contrastive...

靶机地址：https://download.vulnhub.com/admx/AdmX_new.7z 信息搜集及主机发现主机发现nmap -sn 192.168.40.0/24 netdiscover -r 192.168.40.0/24 这里再记录一工具arping，相较于arp-scan它范围更广，配合简单的bash使用。 for i in $(seq 1 256);do sudo arping -c 1 192.168.40.$i;done kali:192.168.40.148 靶机：192.168.40.150 信息搜集靶机端口、服务、操作系统探测nmap -sV -p- -O 192.168.40.150 主机只开放了80端口，访问后为apache的默认配置界面。 目录爆破dirsearch -u 192.168.40.150:80 80端口下存在/wordpress...

论文原标题: Lei J , Berg T L , Bansal M .MTVR: Multilingual Moment Retrieval in Videos[J]. 2021.DOI:10.48550/arXiv.2108.00061. 源码：https://github.com/jayleicn/mTVRetrieval 摘要及引言：采用数据集MTVR：一种在TVR数据集的基础上增加了相应的中文查询和标题，包含了对21.8K条视频的218K条英语和中文的查询，是最大的视频检索数据集，且支持对话检索（以字幕的形式）。 提出了mXML：一个支持双语言的多片段检索模型，它通过参数共享和限制语言邻域在数据集上执行操作和训练。在XML（by Lei，2020）的基础上加入了参数共享（by Sachan and Neubig，2018；Dong，2015）使得两个语言可以用统一的解码器解码。引入语言邻域限制（by...

靶机下载地址：https://download.vulnhub.com/boredhackerblog/medium_socnet.ova 主机探测arp-scan -l nmap -sn 192.168.40.0/16 kali：192.168.40.148 靶机：192.168.40.149 开始时没能使用工具扫描到靶机ip，最后才发现是因为VMware默认采用了桥接模式而非ＮＡＴ模式将其接入网络。 进一步信息收集1.端口、服务、操作系统探测nmap -sV -sC -O 192.168.40.149 目标开放了22、5000端口，在5000端口运行了一个由python2编写的http服务“Werkzeug”。在按照提示输入少于4字符长度的信息时会提示输入不够长 2.目录扫描dirsearch -u 192.168.40.149：5000 对5000端口进行目录扫描，发现一个／admin目录，访问，内有一个可执行python代码的入口。 尝试利用1.利用python来反弹shell先在kali监听5555端口： nc -lvnp...

文章信息：Zhang Z , Lin Z , Zhao Z ,et al.Cross-Modal Interaction Networks for Query-Based Moment Retrieval in Videos[J].ACM, 2019.DOI:10.1145/3331184.3331235. 源码： https://github.com/ikuinen/CMIN 引言部分对标题【跨模型】的解释要从一个连续的复杂的视频中定位出一小段特定的片段要比从已定义的集和中找出一个视频要困难的多。在下图所示的例子中,一个句子包含了两个连续的动作，对应了视频中的两段内容。因此正确的视频内容检索需要理解视频以及查询内容，二者缺一不可。这点就需要跨模形（cross-modal）的支持。 本文对高质量视频检索的考虑首先查询内容通常包含了因果时间上的行为，因此学习细粒度查询表示就很重要。目前的方法使用循环神经网络（如GRU）来理解查询语句语义，但它们通常无法顾及句法结构。 本文所采用的是图卷积网络（GCN，Graph convolution...

文章信息：Cui R , Qian T , Peng P ,et al.Video Moment Retrieval from Text Queries via Single Frame Annotation[J].2022.DOI:10.48550/arXiv.2204.09409. VMR视频片段检索（ video moment retrieval，VMR），旨在根据一段自然语言的描述在未修饰的视频中寻找对应的片段，也称视频定位（localization）或视频挖掘（video grounding）[渣翻]。不同于传统的视频动作定位（Video action localization，VAL），VMR的定位目标延展为自然语言而非预定义的行为类别，其应用场景可以有视频浏览网站和语义视频搜索引擎。 “一眼标”（glance annotation）fully supervised VMR在构造强监督的VMR数据集时，可以用四元组来表述(V,Q,st,ed):...

​ 陇椒去籽，切成小块，千万别碰眼睛；鸡胸肉切成小丁，加入盐少许、生抽、料酒、蛋清、切好的陇椒以及锁水分的玉米淀粉腌制20分钟；冷锅热油下入鸡胸肉，煎至变色，捞出备用；热油炒熟陇椒，加入鸡胸肉，老抽调色，少许盐调味，装盘。 ​ 锡峰饿醒了，可他居然变成了一只白羽鸡，一只待宰的白羽鸡。这天是五一劳动节前一天，鸡场老板特许锡峰在接受宿命前再去看看世界，看看作为一只白羽鸡在45天生命里未能看到的东西——从出生到成熟，白羽鸡用不了45天，事实上往往比不上绣球的花期。在出发前，锡峰心里有很多疑问：可以假装自己其实是学校里不劳而获的猫咪吗？可以假装自己是公园里自由的鸟儿吗？可以假装自己是每天挤早高峰地铁的社畜吗？——鸡为什么要坐地铁？这不符合逻辑啊。可要是这只白羽鸡会RAP呢？ ​ ...