基于大型模型的视频摘要顺序关键帧提取

💡 原文中文,约400字,阅读约需1分钟。
📝

内容提要

该文章介绍了一项名为SceneSum的新的基于视频的场景摘要任务,旨在将长视频场景漫游摘要为一小组空间多样的帧。作者提出了一个由两个阶段组成的自监督流程,实验证明该方法性能超过了普通视频摘要基线的50%。

🏷️

标签

➡️

继续阅读