看视频，讲故事，举一反三：详解英特尔弱监督视频密集描述生成模型

文章预览

机器视觉领域的顶级盛会CVPR2017 于近日在夏威夷圆满落幕。来自英特中国研究院的最新成果 “ 弱监督视频描述生成 ”引起了业内的广泛关注。 利用这种方法，即使不对视频数据进行精确标注，计算机依旧可以针对视频中的不同区域内容，生成丰富的语义信息。     近年来，如何自动生成视频描述引起了研究人员的广泛兴趣。我们希望计算机在看到一段视频的时候，可以根据视频的内容“讲故事”。但是，视频描述模型的训练通常需要大量复杂的并且带有一定主观性的人工标注 。在目前的数据集构建过程中，标注人员会在看过一段视频之后，用一句话描述视频的内容。但是，一段视频中通常会发生几个不同的事件，而由于标注人员具有一定主观性，我们既不 ………………………………