长话短说：一种强调相关物体的多重要性第一人称视频快进方法

低成本高质量个人可穿戴相机的出现，加上视频分享网站存储容量的不断增加，激起了人们对第一人称视频的日益关注，因为大多数视频由长篇未剪辑的流组成，通常冗长且观看体验不佳。最先进的语义快进方法目前面临在视觉流平滑度与相关部分强调之间提供恰当平衡的挑战。在本工作中，我们提出多重要性快进（MIFF），一种应对这些挑战的完全自动的第一人称视频快进方法。定义视频语义信息为何的难题通过基于用户偏好的学习过程来解决。结果表明，所提方法保留的语义内容超过最先进快进方法的 3 倍。最后，我们讨论了针对快进第一人称视频的特定视频稳定技术的需求。