TPAMI 2024 | 短视频中文标题生成：数据集、评价指标与算法

最新推荐文章于 2025-05-20 20:42:53 发布
最新推荐文章于 2025-05-20 20:42:53 发布
阅读量279 收藏
点赞数 2
分类专栏： 论文解读 IEEE TPAMI 文章标签： 音视频 算法 TPAMI 深度学习 顶刊论文 论文解读
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42722197/article/details/140753606
版权

Chinese Title Generation for Short Videos: Dataset, Metric and Algorithm

题目：短视频中文标题生成：数据集、评价指标与算法

作者：Ziqi Zhang , Zongyang Ma, Chunfeng Yuan, Yuxin Chen , Peijin Wang , Zhongang Qi , Chenglei Hao , Bing Li, Ying Shan, Weiming Hu ,and Stephen Maybank
源码： https://createbenchmark.github.io/

摘要

先前的视频字幕生成工作旨在客观描述视频内容，但字幕缺乏人类兴趣和吸引力，限制了其实际应用场景。视频标题生成（视频标题制作）的意图是产生有吸引力的标题，但缺乏基准。本工作提供了CREATE，这是第一个大规模的中文短视频检索和标题生成数据集，以协助中文视频标题生成、视频字幕和视频检索的研究和应用。CREATE包括一个高质量的标记数据集210 K和两个网络规模的3 M和10 M预训练数据集，涵盖51个类别&#

了解本专栏 订阅专栏 解锁全文
TPAMI 2024 | 人体运动生成：一项综述研究
小白学视觉
07-31 1437
人类动作生成旨在生成自然的人姿势序列，并展示出对现实世界应用的巨大潜力。近年来，在运动数据收集技术和生成方法方面取得了实质性进展，为人类动作生成日益增长的兴趣奠定了基础。该领域的大多数研究侧重于基于条件信号生成人类动作，例如文本、音频和场景上下文。尽管近年来取得了显著进展，但由于人类动作的复杂性质及其与条件信号的隐式关系，该任务仍然面临挑战。在这篇综述中，我们提供了人类动作生成的综合文献回顾，据我们所知，这是该领域首次此类综述。
TPAMI 2024 | Box2Mask: 基于包围盒的实例分割算法
小白学视觉
08-19 691
与使用像素级掩码标签的全监督方法不同，基于包围盒注释的实例分割利用简单的框注释，最近吸引了越来越多的研究关注。本文提出了一种新颖的单次实例分割方法，即Box2Mask，它将经典水平集演化模型整合到深度神经网络学习中，仅使用包围盒监督就能实现精确的掩码预测。具体来说，输入图像及其深度特征被用来隐式地演化水平集曲线，并且使用基于像素亲和核的局部一致性模块来挖掘局部上下文和空间关系。
新闻标题数据集.zip
02-29
新闻正文和摘要数据集，可训练摘要生成模型，包含正文和摘要两个文件。新闻正文和摘要数据集，可训练摘要生成模型，包含正文和摘要两个文件。新闻正文和摘要数据集，可训练摘要生成模型，包含正文和摘要两个文件。新闻正文和摘要数据集，可训练摘要生成模型，包含正文和摘要两个文件。
基于Attention的自动标题生成
陈建驱的博客
10-22 1770
个人博客：http://www.chenjianqu.com/ 原文链接：http://www.chenjianqu.com/show-46.html Attention原理 在自然语言处理中，最基本的文本生成框架是seq2seq。seq2seq由编码器和解码器组成，编码器把输入文本的词法、句法和语义等特征编码成语义向量，解码器根据语义向量解码成目标文本。框架表示如下： ...
【NLP】ACL 2023｜如何智能生成吸引人又符合实际的标题？
fengdu78的博客
07-10 500
夕小瑶科技说 原创 作者 | 小戏、Python标题生成，乍一看似乎并不是一个复杂的任务，要数据简单的爬虫就可以获得许多标题-文本对，要评价通过用户点击与浏览的次数就多少可以区分“好标题”与“坏标题”，万事俱备使用一些经典的监督学习方法似乎就可以将这个问题完美解决。然而，目前现有的标题生成器似乎都不那么尽如人意，先不说有没有恰如其分的总结文章的核心内容，单是几乎套用固定标题党的夸张句式一...
从视频到语言: 视频标题生成与描述研究综述
数据派THU
01-21 1053
来源：专知 本文约5000字，建议阅读9分钟 最新视频视频标题生成与描述研究综述论文。视频标题生成与描述是使用自然语言对视频进行总结与重新表达. 由于视频与语言之间存在异构特性, 其数据处...
【深度学习数据集】新闻文本分类数据集（50000条）
10-12
50000条新闻文本数据集，文本有9类。可用于文本分类模型训练。
TPAMI 2024 | 多标签的互补学习：一种相关性感知校正方法
小白学视觉
04-15 37
互补标签学习（CLL）要求注释者为实例给出不相关的标签，而不是相关标签。目前，CLL通过估计转移矩阵在多类数据上展现出了良好的性能。然而，当前的多类CLL技术在多标签数据上表现不佳，因为它们假设每个实例只与一个标签相关联，而每个多标签实例实际上与多个标签相关。作者在理论上展示了多类CLL中估计的转移矩阵在多标签情况下是如何被扭曲的，因为它们忽略了共存的相关标签。此外，理论研究结果表明，在多标签CLL（ML-CLL）中，从标签相关性计算转移矩阵需要多标签数据，但这在ML-CLL中是无法获取的。
TPAMI 2024 | 推进真实世界图像去雾：视角、模块和训练
小白学视觉
03-24 91
从退化的模糊观测中恢复高质量图像是计算机视觉领域一项基础且关键的任务。尽管深度模型在合成数据上取得了显著成功，但其在实际场景中的有效性仍有待验证。为提高在现实环境中的适应性，作者从成像视角、结构模块和训练策略这三个关键方面构建了全新的计算框架。为模拟现实模糊图像中常被忽视的多种退化属性，作者开发了一种新的模糊成像模型，该模型涵盖了多种退化因素，有助于缩小合成图像空间与现实图像空间之间的域差距。与现有主要处理逆成像过程的方法不同，作者遵循“定位 - 去除”流程设计了一种新的去雾网络。
关于文本生成的数据集记录
仲夏
07-17 6429
摘要数据集 cnn/dailymail Gigaword Gigaword corpus [Graff and Cieri, 2003] preprocessed identically to [Rush et al., 2015], which leads to around 3.8M training samples, 190K validation samples and 1951 t...
nlp标题生成调研
qq_45382315的博客
01-24 1259
论文综述 论文1（2020） SHG,带有风格的标题生成 @ACL2020: Hooks in the Headline: Learning to Generate Headlines with Controlled Styles 主要利用Style-Guided Encoder Attention方法 code data 来源于2020ACL顶会 项目代码 同时提供数据集 作者讲解视频 摘要： 目前的摘要系统只能产生简洁、真实的标题，但不能满足创造令人难忘的标题以增加曝光率的实际需要。为了吸引更
文章标题 ImageNet 数据集介绍及应用
谁能借我一把水木刀
10-26 3105
1.首先是下载网址，http://www.image-net.org/challenges/LSVRC/2012/nonpub-downloads 分为训练集，测试集，验证集，及其他。下载完成后，解压文件，生成相应的数据集文件夹， 后续，根据自己的目录修改create_imagenet.sh， 再caffe根目录下运行即可。2.Ubuntu14.04LTS 利用anaconda2 安装好后，在
ACL 2021 | PENS: 个性化新闻标题生成数据集
m0_37586850的博客
08-24 1175
（本文阅读时间：8 分钟）编者按：数字信息时代人们获取新闻的方式越来越高效，但是获取新闻中关键信息的效率却很低。而 NLP 领域的新闻标题生成任务 (News Headline Gener...
总结 of 字节跳动的比赛（Bute Cup2018）——新闻标题生成
taoyafan的博客
12-07 4631
目录 0、废话 1、我们的模型介绍 0. 数据预处理 1. Seq2Seq + Attention 2. + pointer network + coverage 3. + temporary attention + policy gradient 4. + dropout 2、出现的问题 1. 分数据集 2. 模型保存 3. 测试时控制变量 3、别人很多值得学习的部分 ...
【AI论文】对抗性后期训练快速文本到音频生成
m0_66899341的博客
05-15 787
本研究针对文本到音频（T2A）生成系统在推理阶段速度慢、延迟高的问题，提出了一种不基于蒸馏的对抗加速算法——对抗相对对比（ARC）后训练。该方法结合了相对论对抗性损失和对比损失，优化了预训练的扩散模型，显著提高了推理速度。实验结果显示，优化后的模型在H100 GPU上能在约75毫秒内生成12秒的44.1kHz立体声音频，在移动边缘设备上约7秒内完成生成任务，实现了实时音频生成。此外，ARC后训练在保持生成质量的同时，提高了生成多样性和提示遵循能力。未来研究方向包括模型压缩与轻量化、边缘设备优化、多样性评估与
【图像生成大模型】Wan2.1：下一代开源大规模视频生成模型
weixin_43988131的博客
05-18 1033
Wan2.1：下一代开源大规模视频生成模型
Index-AniSora技术升级开源：动漫视频生成强化学习
最新发布
bilibili_TC的博客
05-20 520
B站升级动画视频生成模型Index-AniSora技术并开源，支持番剧、国创、漫改动画、VTuber、动画PV、鬼畜动画等多种二次元风格视频镜头一键生成！
RK3568解码1080P视频时遇到系统崩溃内核挂掉的解决方案
zanglengyu的专栏
05-19 664
在使用RK3568的rock_mpp库进行硬解码时，系统在解码1080P视频时出现卡死和内核崩溃的问题。通过内核崩溃日志分析，发现系统在处理NULL指针解引用时崩溃，具体错误信息为“Unable to handle kernel NULL pointer dereference at virtual address 0000000000000000”。经过多次实验排查，问题主要出现在解码1920*1080P视频时，且复现概率较低。初步判断为RK底层硬解码驱动的Bug，建议升级到最新版系统内核以解决该问题。
Wan2.1 通过首尾帧生成视频
二分掌柜的
05-20 527
flyfish
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小白学视觉

您的赞赏是我们坚持下去的动力~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值