对于视频标题的深度学习的审查

科学领域:

• 人工智能的人工智能
• 计算机视觉 计算机视觉
• 自然语言处理自然语言处理.

背景情况:

• 视频标题 (VC) 是一个多学科的研究领域.
• 视频编程旨在为视频内容生成自然语言描述.
• 应用程序包括可访问性,视频检索和问题答复.

研究的目的:

• 提供基于深度学习的视频标题方法的全面审查.
• 为了分类和讨论各种VC方法.
• 确定该领域的研究缺口和未来方向.

主要方法:

• 问题制定,评估指标和培训损失的概述.
• 虚拟现实方法的分类,包括基于注意力的架构,图形网络,强化学习,对抗网络和密集的视频标题.
• 对视频标题的现有数据集的审查.

主要成果:

• 详细讨论不同的基于深度学习的VC架构.
• 分析当前数据集及其适合于VC任务的分析.
• 确定关键的研究差距和新兴趋势.

结论:

• 深度学习已经显著提升了视频标题功能.
• 需要在复杂场景理解和长形式视频描述等领域进行进一步的研究.
• 这项调查是视频标题和相关领域的研究人员的指南.