CN119537644A 一种文本视频多模态融合的视频时刻检索方法 (西北大学)_第1页
CN119537644A 一种文本视频多模态融合的视频时刻检索方法 (西北大学)_第2页
CN119537644A 一种文本视频多模态融合的视频时刻检索方法 (西北大学)_第3页
CN119537644A 一种文本视频多模态融合的视频时刻检索方法 (西北大学)_第4页
CN119537644A 一种文本视频多模态融合的视频时刻检索方法 (西北大学)_第5页
已阅读5页,还剩11页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

一种文本视频多模态融合的视频时刻检索本申请涉及一种文本视频多模态融合的视多尺度视频特征进行局部融合,得到局部偏移本申请解决了现有技术忽略了全局特征融合与2对原始视频采用视频特征提取骨干网络进行特征提取,得到视频特征;将所述文本特征和所述多尺度视频特征进行全局融合,得到全将所述文本特征和所述多尺度视频特征输入查询依赖的卷积分对所有的时间片段采用非极大值抑制方法进行处理,得到最终的时对所述傅里叶卷积后的特征进行动态掩码生成,得到掩码张量;st=t一dst文本特征提取模块,用于对文本查询信息采用文本编3视频特征提取模块,用于对原始视频采用视频特征提取骨干网络进行特征提融合模块,用于将所述文本特征和所述多尺度视频候选时刻确定模块,用于将所述文本特征和所述多尺度视频特征最终结果确定模块,用于对所有的时间片段采用非极大值抑制6.一种计算机可读存储介质,其特征在于,处理器执行时,以实现权利要求1_4任意一项所述的文本视频多模态融合的视频时刻检索4[0002]视频时刻检索旨在定位未剪辑视频中与给定语言查询在语义上对应的特定时得尤为重要,现阶段的方法通常是将文本和视频两种模态特征简单的拼接或者局部的混5st=t一ds[0010]er=d+t视频特征提取模块,用于对原始视频采用视频特征提取骨干网络进行特征提取,6[0016]在下文中将结合附图对本申请的示例性实施例进行描述[0018]应理解的是,本申请并不会由于如下参照附图的描述而只限于所描述的实施形[0019]本申请实施例提供一种文本视频多模态融合的视频时刻检索方法,图1示出了文[0020]这里,文本编码器例如可以采用CLIP(ContrastiveLanguage_ImagePre_7st=t一ds[0029]er=d+t8视频特征提取模块,用于对原始视频采用视频特征提取骨干网络进行特征提取,[0036]本实施例的文本视频多模态融合的视频

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论