看得更远更广：面向微视频流行度预测的时空联合扩展

微视频流行度预测（MVPP）旨在预测在线媒体上视频的未来流行度，这对于内容推荐和流量分配等应用至关重要。在现实场景中，MVPP方法理解给定视频的时间动态（时间维度）及其与其他视频的历史相关性（空间维度）至关重要。然而，现有方法在这两个维度上都存在局限性：在时间上，它们依赖于稀疏的短程采样，限制了内容感知；在空间上，它们依赖于容量有限且效率低下的扁平检索记忆，阻碍了可扩展的知识利用。为了克服这些局限性，我们提出了一个实现时空联合扩展的统一框架，能够精确感知极长的视频序列，同时支持一个可无限扩展以纳入所有相关历史视频的可扩展记忆库。在技术上，我们采用了一种由帧评分模块驱动的时间扩展，该模块通过两条互补路径从视频帧中提取高光线索：稀疏采样和稠密感知。它们的输出被自适应融合，以实现鲁棒的长序列内容理解。对于空间扩展，我们构建了一个拓扑感知记忆库，该记忆库基于拓扑关系对历史相关内容进行层次聚类。我们没有直接扩展记忆容量，而是在纳入新视频时更新相应聚类的编码器特征，从而实现了无界的关联，而无需无界的存储增长。在三个广泛使用的MVPP基准上的大量实验表明，我们的方法在主流指标上始终优于11个强基线，在预测准确性和排序一致性方面都取得了稳健的提升。