利用语义记忆检索未见查询的视频流

检索用户直播的视频流是一个尚未得到充分解决但日益重要的挑战。该问题的在线特性要求进行时序评估，而潜在查询范围的不可预见性则促使我们采用一种能够适应任意搜索查询的方法。为了应对可能查询的广度，我们采用了一种无示例的查询检索方法，该方法利用查询与预训练概念分类器之间的语义相关性。为了适应不断变化的视频内容，我们提出了记忆池化和记忆涌出方法，这些方法更偏好近期信息而非久远的历史内容。我们确定了两种流检索任务：任意特定时刻的即时检索和长时间段内的连续检索，并提出了评估它们的方法。三个大规模视频数据集被适配用于流检索挑战。我们报告了所提搜索方法在新流检索任务上的结果，并展示了它们在传统非流视频任务中的有效性。