本文探讨了实时总结日程安排事件(例如从 Twitter 流中总结足球比赛)的方法,通过子事件检测和推文筛选进行了评估,证明了这种文本分析方法可以高效地总结所有类型的子事件,这种方法可应用于其他日程安排事件。
Apr, 2012
本论文提出了一种优化框架,设计用于平衡文章和评论摘要之间的主题连贯性以及其信息性和事件覆盖面。在真实数据集上自动评估表明,与现有系统相比,我们的系统生成的时间线更具信息性。在人类评估中,相关评论摘要更被认为具有洞察力。
Jun, 2016
该论文提出了一个基于网络的工具,用于在社交媒体上进行定制摘要的制作。通过交互式用户界面,它支持 “一键” 视频摘要过程。基于集成的视频摘要和宽高比转换的人工智能模型,它可以根据目标平台的需求生成多个完整视频的摘要,包括视频的长度和宽高比。
Dec, 2023
采用协作优化方法,利用视频聚类和主题相关视频提供的视觉背景,同时抓取视频的重要特点和归纳性信息,从而进行视频摘要提取,该方法在两个数据集上的实验证明了其优越性。
Jun, 2017
本研究提出了一种采用两种社交标签(即标签和链接)自动收集大规模新闻相关多文档摘要的有效方式,使用 ROUGE 指标和整数线性规划解决方案来生成摘要,收集的数据可用于支持向量回归自动文摘器的训练,提高了其性能。
Nov, 2015
本文结合了多种自然语言处理技术和视频处理技术,将长视频转换为相对较短的单一视频,还探索了多个视频的合并摘要,证明视频摘要是一项困难但重要的工作,具有进一步研究和开发的潜力,这得益于自然语言处理模型的发展。
视频摘要是一个至关重要的研究领域,旨在从当今海量视频内容中高效浏览和检索相关信息。尽管视频摘要的重要性,缺乏多样化和有代表性的数据集阻碍了算法的全面评估和基准测试。为了克服数据稀缺的挑战并改进评估,我们提出了一种利用视频数据结构和信息生成信息摘要的无监督方法。此外,我们还引入了一种专门用于视频摘要的创新评估流程。实验结果表明,我们的无需训练的框架优于现有的无监督方法,并与最先进的监督方法取得竞争性结果。
Apr, 2024
通过利用电视剧情节回顾的短视频序列,我们介绍了多模态故事摘要,以将观众带入故事的关键时刻。我们提出了一个名为 PlotSnap 的数据集,其中有两部长达 40 分钟的犯罪惊悚电视剧,拥有丰富的回顾和剧集摘要。我们的方法通过将回顾镜头与剧集中的相应子故事进行匹配,从整个剧集中提取多个情节点,采用 TaleSumm 分层模型处理整个剧集,并创建紧凑的镜头和对话表示,并通过启用局部故事组之间的相互作用,为每个视频镜头和对话发言预测重要性分数。我们展示了对故事摘要的全面评估,包括有前途的跨系列泛化。TaleSumm 模型在经典视频摘要基准测试中也显示出良好的结果。
May, 2024
通过引入背景新闻摘要机制,结合时间轴更新,我们构建了一个数据集,并通过人工标注人员为每个新闻事件的每个时间步骤编写了背景摘要。我们提出了一个问题导向的变体来生成背景摘要,并使用基于问答的评估指标 Background Utility Score(BUS)评估了摘要质量。实验结果表明,在 Fine-tuned 系统(如 Flan-T5)和零 - shot 性能强大的 GPT-3.5 的指导下,背景摘要表现出很好的效果。
Oct, 2023
使用多模态信息构建稀疏电影图来识别电影中的转折点,从而创建比基于序列模型和通用概括算法更具信息量和完整性的电影概括。
Dec, 2020