OmniShotCut：基于Shot-Query Transformer的整体关系式镜头边界检测
计算机视觉与模式识别
2026-05-22 v2
摘要
镜头边界检测（SBD）旨在自动识别镜头变化，将视频划分为连贯的镜头片段。尽管SBD在文献中已广泛研究，但现有方法常在过渡处产生不可解释的边界，遗漏细微且有害的连续性，依赖噪声、单一性不足的注释和过时的基准数据集。为缓解这些限制，我们提出OmniShotCut，将SBD建模为结构化关系预测，联合估计镜头范围、镜头内关系和镜头间关系，通过基于shot query的密集视频Transformer实现。为避免不精确的手动标注，我们采用完全合成的过渡合成管道，自动复现主要过渡类别并提供精确边界和参数化变体。我们还引入OmniShotCutBench，一个现代化的宽域基准数据集，支持整体和诊断性评估。在基准数据集上的实验表明，我们的方法在有效性和通用性方面均表现优异。
关键词
引用
@article{arxiv.2604.24762,
title = {OmniShotCut: Holistic Relational Shot Boundary Detection with Shot-Query Transformer},
author = {Boyang Wang and Guangyi Xu and Jiahui Zhang and Zhipeng Tang and Zezhou Cheng},
journal= {arXiv preprint arXiv:2604.24762},
year = {2026}
}