語言結(jié)構(gòu)引導(dǎo)的可解釋視頻語義描述

摘要： 視頻描述技術(shù)旨在為視頻自動生成包含豐富內(nèi)容的文字描述,近年來吸引了廣泛的研究興趣.一個準(zhǔn)確而精細(xì)的視頻描述生成方法,不僅需要對視頻有全局上的理解,更離不開具體顯著目標(biāo)的局部空間和時序特征.如何建模一個更優(yōu)的視頻特征表達(dá),一直是視頻描述工作的研究重點和難點.另一方面,大多數(shù)現(xiàn)有工作都將句子視為一個鏈狀結(jié)構(gòu),并將視頻描述任務(wù)視為一個生成單詞序列的過程,而忽略了句子的語義結(jié)構(gòu),這使得...