AutoTransition(基于深度学习的视频过渡特效推荐) 复现

本文介绍了复现AutoTransition项目的过程,包括数据集下载、视频验证、预处理、模型训练和测试。在数据下载部分,强调了视频链接文件的获取和使用aria2c进行下载。模型训练阶段,提到了所需的软硬件配置,以及训练Embedding和Recommendation的步骤。
摘要由CSDN通过智能技术生成

一、项目概述

最近在做视频智能剪辑方面的研发,看到这个新鲜出炉的项目不错,决定复现一下。

1. 项目地址

AutoTransition: Learning to Recommend Video Transition Effects

2. 论文地址

AutoTransition: Learning to Recommend Video Transition Effects

3. Demo 地址

无。

4. 结论

暂无。

二、数据集下载

1. 视频链接文件

由于用户隐私原因,原文作者并没有提供直接的视频数据集下载地址,而是提供了包含视频链接的文件。下载该文件
transition_annotation_en_url_fixed.json
,并将其重命名为annotation.json。

2. 下载视频

项目正文提供的方式比较下载完全,在我提交一个issue后,作者提供了新的下载方式。
首先将 download_videos.py 拖出到项目根目录ÿ

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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