一种由注视驱动的-first-person 视频快进方法

日益增长的数据共享与生活记录文化正驱动未剪辑的第一人称视频数量空前增长。在本文中，我们通过创建输入视频的加速版本并强调记录者的重要时刻，来解决第一人称视频中相关信息获取的问题。我们的方法基于由注视与视觉场景分析驱动的注意力模型，该模型为输入视频的每一帧提供语义分数。我们在公开可用的第一人称视频数据集上进行了若干实验评估。结果表明，我们的方法能够快进视频，强调记录者视觉上与场景组件交互的时刻，同时不包含单调片段。