面向任务驱动视频摘要的元学习方法
计算机视觉与模式识别
2019-07-30 v1
摘要
现有的视频摘要方法主要集中于视频数据的序列或结构特征，然而它们对视频摘要任务本身关注不足。本文提出一种用于执行任务驱动视频摘要的元学习方法，记为 MetaL-TDVS，以显式探索不同视频摘要过程中的视频摘要机制。特别地，MetaL-TDVS 通过将视频摘要重新表述为元学习问题来挖掘视频摘要的潜在机制，并提升训练模型的泛化能力。MetaL-TDVS 将每个视频的摘要视为单一任务，以更好地利用从其他视频摘要过程中学到的经验与知识来摘要新视频。此外，MetaL-TDVS 通过双重反向传播更新模型，迫使在某一视频上优化的模型在每一步训练中对另一视频也获得高准确率。在基准数据集上的大量实验表明，MetaL-TDVS 相较于若干 SOTA 方法具有优越性与更好的泛化能力。
引用
@article{arxiv.1907.12342,
title = {Meta Learning for Task-Driven Video Summarization},
author = {Xuelong Li and Hongli Li and Yongsheng Dong},
journal= {arXiv preprint arXiv:1907.12342},
year = {2019}
}
备注
9 pages, 6 figures