TennisVid2Text：特定领域视频的细粒度描述

自动描述视频一直令人着迷。在这项工作中，我们尝试描述来自特定领域的视频——草地网球比赛的转播视频。给定网球比赛的一个视频镜头，我们旨在生成类似于人类专家在体育网站上所写的文字解说。与许多关注生成简短字幕的近期工作不同，我们有兴趣生成语义更丰富的描述。这需要对视频内容进行详细的底层分析，特别是主体之间的动作与交互。我们通过将领域限制为草地网球运动来解决这一问题。丰富描述是通过利用从互联网收集的大量人工创建描述语料库生成的。我们在一个新创建的网球视频数据集上评估了我们的方法。广泛的分析表明，我们的方法兼顾了任务涉及的语义正确性与可读性两方面。