本文分析了一个带有 5.8 万个标签的新颖的微视频数据集，并介绍了针对最先进的运动和深度视觉特征进行定义的视点特定和时空演化模型，得出结论我们的数据集为大规模视频分析，新颖的视点和开放世界动态等领域开辟了新的研究机会。

Mar, 2016

该研究开发了一个视频可记忆性预测模型，并进行了视频子镜头可记忆性预测实验，结果表明该方法比现有的可记忆性方法更有效。

Jul, 2017

该研究论文系统概述了基于视频的微表情分析，讨论了其神经心理学基础、数据集、特征、算法、应用和评估，之后提出了一个更完整的、适用范围更广的数据集，并进行了方法比较和未来研究方向的展望。

Jan, 2022

该论文提出了一种新颖的方法来执行新闻视频的情感分析，基于从内容中提取的音频、文字和视觉线索的融合。该方法旨在为构建媒体宇宙的 ethos（身份）的 semiodiscoursive 研究做出贡献，我们计算了从面部表情中识别出的视觉强度、参与者的声音调制、文本语音和情感得分（极性）。实验结果显示，该方法在情感分类任务中达到了高达 84％的准确度，因此在新闻界中具有极高的应用潜力。

Apr, 2016

本文提出了一种用于微视频流行度预测任务的多模态变分编码器解码器（MMVED）框架，其学习一个随机高斯嵌入式微视频，具有信息丰富性，同时保持内在的不确定性。通过深度变分信息瓶颈下界（IBLBO）的优化，学习的隐藏表达式对于流行度目标最具表现力，同时对微视频功能中的噪声最大压缩。此外，将贝叶斯专家乘积原理应用于多模态编码器，综合利用所有可用的模态来决定信息的保留或丢弃。在公共数据集和我们从 Xigua 收集的数据集上进行的大量实验显示出所提出的 MMVED 框架的有效性。

Mar, 2020

提出基于回归的学习框架，从创意的关键标准（如新颖、影响力、价值和意外性）的量化角度来评估创意。在电影数据集上进行实验，结果显示：1）创意标准与评论员分数的相关性，2）包含各种创意标准时可以提高电影评分预测的准确性，3）鉴别创意电影。

Jul, 2017

我们提出了 MicroCinema，这是一个简单却有效的框架，用于高质量和连贯的文本到视频生成。通过将文本到视频分为两个阶段的过程，即文本到图像生成和图像和文本到视频生成，MicroCinema 具有两个显著优势：a) 利用最新的文本到图像模型，如 Stable Diffusion，Midjourney 和 DALLE，生成逼真和高度详细的图像；b) 借助生成的图像，模型可以将较少的注意力放在细粒度外观细节上，优先学习动态运动。通过引入 Appearance Injection Network 和 Appearance Noise Prior 这两个核心设计，MicroCinema 能够生成由提供的文本提示引导的高质量视频。广泛的实验表明了该方法的优越性。具体而言，MicroCinema 在 UCF-101 上实现了 342.86 的零样本 FVD 和在 MSR-VTT 上实现了 377.40 的零样本 FVD。点击此链接查看视频示例。

Nov, 2023

MobileVidFactory 是一个系统，用于自动生成垂直移动视频，用户只需提供简单的文本，通过利用预训练的图像扩散模型和音频检索来生成高质量、个性化的移动视频。

Jul, 2023

通过提出 MQMC 网络，该文首次尝试探索多模式和多模态实例之间的检索问题，为商家提供了新的电子商务渠道，并成功地解决了微视频记录的挑战，取得了优秀的性能结果。

Dec, 2022

介绍了 Vimeo 创意共用收藏集（V3C），一项包含 28,450 个视频的大规模视频数据集，提供拍摄内容分割、关键帧和元数据等，用于大规模视频检索评估。

Oct, 2018