本文提出了一种基于音视频描述符的自动足球视频集锦生成方法，通过对视频序列进行分段和分析来确定其相关性和兴趣度，使用音频信息提高摘要系统的性能，在应用经验知识规则组合低级和中级音视频描述符，选择与用户规格和相关度测量结果相适应的高兴趣度视频片段最终生成摘要。

Nov, 2014

该论文提出了一种通过深度神经网络对运动员的动作进行分类来生成运动视频摘要的方法，并采用日本剑术 Kendo 作为例子进行了评估，结果表明该方法优于之前的摘要方法。

Sep, 2017

本文提出了一种基于多阶段范式的方法，通过使用动作认知模型提取高级语义特征和设计转换器来定位目标事件，以检测和确定足球广播视频中事件的发生时间，并在 SoccerNet-v2 Challenge 中获得了最新的表现，在动作识别和重播地面任务上均表现出最先进的性能。

Jun, 2021

本文介绍了 K-SportsSum，它是一个由大规模比赛实时评论和体育新闻构成的新数据集，并提出了一种知识增强式总结器，利用实时评论和知识来生成更具信息量的体育新闻，实验证明了我们的模型达到了新的最高水平。

Nov, 2021

该论文提出了一种基于深度视频特征和聚类的视频摘要技术，旨在更高效地生成互联网视频的概览，该技术通过设计一种映射视频和描述的深度神经网络来将视频元素转化为语义空间。

Sep, 2016

该论文将视频摘要提出了内容为基础的推荐问题，使用可扩展的深度神经网络在显式建模的片段和视频上进行预测，通过场景和动作识别来寻找视频理解任务不同方面之间的相关性，同时讨论音频和视觉特征在总结任务中的影响，并通过数据增强和多任务学习来防止模型过度拟合。该模型最终在 ICCV 2019 CoView Workshop Challenge Track 中获得第一名。

Oct, 2019

本文提出了一种基于密集视频字幕的评论生成任务，旨在为足球比赛提供文字评论，以便广播公司能够将视频内容总结成同步且有意义的文字评论，从而更好地满足足球粉丝的需求，增强足球内容的可理解性和可访问性。

Apr, 2023

本研究通过对不同场景下内容结构研究所提供的深刻解释，从内容感知的角度，对广播体育的内容感知系统的相关主题进行了总结，重点关注了过去十年在体育节目中应用的视频内容分析技术以及针对对象、事件和上下文的分析方法，旨在确定用户需求。最后，本文总结了广播体育视频分析的未来趋势与挑战。

Mar, 2017

本文通过创建更强大的足球比赛评论生成基准数据集 SN-Caption-test-align，利用多模态时间对齐流程构建出高质量的训练数据集 MatchTime，训练了一个自动评论生成模型 MatchVoice，并通过广泛实验和消融研究证明了对齐流程的有效性和在评论生成任务中带来的显著性能提升。

Jun, 2024

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