基于多模态语义分组的视频摘要模型 |
| |
引用本文: | 叶晓辉,杨欣,李涛.基于多模态语义分组的视频摘要模型[J].云南民族大学学报(自然科学版),2022(4):445-449. |
| |
作者姓名: | 叶晓辉 杨欣 李涛 |
| |
作者单位: | 南京航空航天大学自动化学院 |
| |
基金项目: | 国家自然科学基金(61573182,62073164);;中央高校基本科研业务费(NS2020025); |
| |
摘 要: | 充分利用视频的信息以及解码去除冗余信息是视频摘要生成的关键.提出了一种基于多模态语义分组的视频摘要生成模型(VMSG).首先,该模型使用3D ResNet神经网络和残差神经网络来提取3D和2D特征;然后把音频信息与视频的分类信息加入多模态的框架中进行编码,得到多模态的特征之后,需要对其进行解码;为了减少视频帧的冗余信息,不同于按帧分组的解码模式,VMSG使用了一种新颖的语义分组方式进行解码,将相同语义的视频分为一个语义组进行解码,预测下一个单词.实验表明,与当前一些最先进的模型相比,VMSG具有更好的摘要生成性能,其生成的视频摘要更加客观丰富.
|
关 键 词: | 多模态 语义分组 残差网络 视频摘要 |
|
|