本论文提出了一种基于神经网络的视频摘要方法，通过整合用户历史信息和 T-AIN 层的用户自适应信号来实现更加准确和个性化的视频精华提取。

Jul, 2020

该研究提出了一种基于循环自编码器的无监督学习方法，用于从社交媒体的用户编辑视频中提取高光时刻，并通过一种收缩指数损失函数训练了这个自编码器，以使其具有噪声容忍度和更好地建模时间结构。

Oct, 2015

文章介绍了一种基于图形表示多个可观测到的人类中心模式（例如姿势和面部表情）的视频的方法，使用带有空间 - 时间图卷积的自动编码器网络来检测基于这些模式的人类活动和互动，并将这些模式的基于活动和互动的潜在结构表示映射到基于帧的高亮度分数，用于计算哪些帧需要突出显示并拼接相邻帧以产生摘录。该方法无需用户提供的偏好或特定数据集的微调，可提高与这些数据集中现有方法相比的平均精度。

Oct, 2021

本文提出了一种基于像素级别特征的视频亮点检测方法，通过学习每个像素在视频中的所属类别，既考虑了时间序列特征，也考虑了空间特征；并且通过使用 3D 卷积神经网络和视觉显著性模型，构建了一个编码 - 解码网络，在三个公共基准测试集上均取得了最先进的效果。

Apr, 2022

该研究提出了一种基于双学习器的视频亮点检测框架，其中引入了一种基于集合的学习模块用于评估视频片段的亮点范围，通过知识蒸馏将源视频类别上的亮点知识转移到目标视频类别实现了跨类别视频高光检测，并在三个基准数据集上进行了广泛的实验验证，表现优于五种典型的无监督领域适应算法。

Aug, 2021

通过全球排名模型，我们使用用户历史创建了大规模的数据集，为用户兴趣打分实现了个性化模型，大大提高了通用高光侦测器的回归率并比单一用户不可知的基线更加精确。

Apr, 2018

本篇研究提出了基于问题的视频亮点（QVHIGHLIGHTS）数据集，用于开发和评估系统以检测有关时刻以及突出亮点，同时使用 Moment-DETR，一个转换器编码器 - 解码器模型，将时刻检索视为直接预测问题，并且在利用 ASR 注释和进行弱监督预训练时表现出优异的性能。

Jul, 2021

本文提出了一种弱监督视频亮点检测建模方法，将其作为多实例排名网络（MINI-Net）学习，并使用 max-max 排名损失以获取可靠的相对比较，实现在视频中定位特定事件的高亮片段，实验证明其在三大公共基准测试中的有效性。

Jul, 2020

本计划提出了一种新方法，使用多模式 Transformer 进行基于自然语言查询的视频摘要和亮点检测，以匹配用户自然语言查询来检索视频中最相关和最有趣的时刻， 并在多个数据集上进行评估，如 YouTube 亮点和 TVSum。

May, 2023

通过使用新的深度学习技术，本文旨在检测自然视频中的显著区域。首先预测视频帧中的显著补丁，然后基于它们构建预测的视觉注视地图。我们展示了通过更改优化网络参数的数据选择方式，可以将计算成本节约多达 12 倍。将 RGB 值的深度学习方法扩展到具有特定性的视频以利用人类视觉系统对残留运动的敏感性。在两个公开可用数据集上进行实验，并展示了较高的准确度和 AUC 度量。

Apr, 2016