【计算机视觉文章阅读之二】Video2Gif: Automatic Generation of Animated GIFs from Video_CVPR2016

最新推荐文章于 2024-08-10 17:26:22 发布

loria_11

最新推荐文章于 2024-08-10 17:26:22 发布

阅读量1.3k

点赞数 1

文章标签：计算机视觉 CVPR 阅读视频 GIF

本文链接：https://blog.csdn.net/loria_11/article/details/69487764

版权

本文介绍了CVPR2016会议上的一项研究，旨在从视频中自动生成GIF。研究构建了一个包含120K个GIF和80K个源视频的数据库，利用RankNet网络和自适应Huber损失函数进行训练，提高了匹配准确性和效率。实验结果显示，该方法在平均精度和有意义摘要时长方面优于其他方法。

摘要由CSDN通过智能技术生成

Video2Gif: Automatic Generation of Animated GIFs from Video 将视频转成GIF

一、文章大体概括
二、文章主要内容
三、评估结果
四、总结

今天要讲的这篇是CVPR2016的文章，文章要做的事情在题目当中也写的很清楚，就是要从源视频当中提取GIF小片段，GIF就是短小的，循环播放的无声由50帧左右组成的小视频，一般表达的是强烈的情感，或者什么好玩的事情。现在有GIFSoup, Imgflip, Ezgif这三个商业软件，用户可以手动选择视频当中的一些小片段形成动图。由于现在GIF动图特别流行，所以作者就想做这么一款自动生成动图的想法的文章，有现实的需求和意义。

一、文章大体概括

这里写图片描述
文章的大致流程就是上图所示，先在youtube上匹配GIF与其对应的源视频，形成一个数据集。在网络训练阶段，采用的是RankNet这个网络，一次输入一对正例和负例视频，计算两个之间的判断误差，为了更好的评估两者之间的误差，本文引入了自适应的Huber loss计算误差的方式，得到训练好的排名模型。在测试阶段，输入一段视频，就可以得到这个视频中的小片段成为GIF的匹配度大小。