ACLApr, 2024

选择与总结：电影剧本摘要的场景显著性

PDF
TL;DR通过提取场景的显著性，针对电影剧本等长篇故事性文本进行抽象概括是具有挑战性的。本研究引入了一个包含 100 部电影人工标注显著场景的数据集，提出了一个两阶段的抽象概括方法，首先识别出剧本中的显著场景，然后利用这些场景生成摘要。基于问答的评估结果显示，我们的模型优于以往最先进的摘要方法，并且比将整个剧本作为输入的模型更准确地反映了电影的信息内容。
abstractive summarizationlong-form narrative textssalient scenesmovie scriptssummarization methods
发现论文，激发创造
  • SummScreen：用于剧本抽象摘要的数据集

    该研究介绍了一个摘要数据集，提供了一个具有挑战性的抽象摘要测试平台，并通过对神经模型和邻近算法等多种方法的评估，展示了神经模型无法充分利用输入文本的事实，同时证明了我们的非最优模型在生成忠实的情节事件方面具有竞争力，并可以从更好的内容选择器中受益。

    Apr, 2021

  • 基于突显分配的生成式摘要指导方法

    本文提出了一种新的自由灵活的关键信息指引式文本摘要方法 SEASON，通过利用关键信息的分配来指导抽象文本摘要并适用于不同抽象程度的文章，从而证明 SEASON 方法在两个基准数据集上表现优越，并在一百万篇新闻文章上证明了一个自然的十五五十关键信息分配。

    Oct, 2022

  • 利用潜在叙事结构进行剧本概述

    本研究针对长篇叙述性文章提出了一种基于叙述结构的提取式摘要模型。通过将叙述结构转化为关键节点，导入非监督和监督提取式摘要模型，实验结果表明，潜在节点与 CSI 剧集的重要方面相关，并通过提高提取式算法的完整性和多样性改善了摘要性能。

    Apr, 2020

  • 电视节目的多模态摘要的模块化方法

    这篇论文主要研究了如何用模块化方法总结电视节目，涉及人工智能研究中的复杂推理、多模态和长篇叙述等关键领域。作者提出了一种模块化方法，通过不同组件执行特定子任务，可以比端到端方法更灵活地实现。论文还引入了一个新的指标 —— 基于 PREFS（Summary Facts 的精确度与召回率评估）来衡量生成摘要的精确度与召回率，并将其分解为原子事实。在最近发布的 SummScreen3D 数据集上测试，该方法比其他模型生成的摘要具有更高的质量，这是通过 ROUGE 评估和新的基于事实的指标得出的。

    Mar, 2024

  • 基于稀疏图构建的电影概述

    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

  • 一种多模态电影场景分割的从局部到全局的方法

    为了对电影进行语义理解，提出了一种局部到全局的场景分割框架，其中包含来自三个级别的多模态信息。通过预先训练 MovieScenes 数据集，该框架能够从长片的分层时间结构中提取复杂语义，提供自上而下的场景分割指导，并在实验中取得了高精度的场景分割表现。

    Apr, 2020

  • 多领域抽象摘要生成的显著性分配分析

    通过使用 SEASON（Salience Allocation as Guidance for Abstractive SummarizatiON）技术，本文探讨了抽象文本摘要的领域，这是一种通过利用显著性分配技术来增强摘要的模型。通过将其与 BART、PEGASUS 和 ProphetNet 等知名模型进行比较，研究评估了 SEASON 的有效性，所有这些模型都经过了不同的文本摘要任务的微调。本论文使用多种评估指标（如 ROUGE、METEOR、BERTScore 和 MoverScore）来评估为生成抽象摘要而微调的这些模型的性能。这些指标的分析提供了对每个模型在摘要新闻数据集、对话数据集和财务文本数据集方面所展示出的优点和不足的深入洞察。本文提供的结果不仅有助于评估 SEASON 模型的有效性，还阐明了显著性分配技术在各种类型数据集中的复杂性。

    Feb, 2024

  • 场景摘要：将场景视频聚类为空间多样帧

    我们提出了场景摘要作为一项新的基于视频的场景理解任务，旨在将一个长视频场景的漫游摘要为一小组在场景中空间多样的帧，它有许多重要的应用场景，如监视、房地产和机器人。我们提出的解决方案是一个由两个阶段组成的自监督流程，名为 SceneSum，第一阶段使用聚类来分割视频序列，结合视觉地点识别（VPR）促进空间多样性，而第二阶段需要从每个簇中选择一个代表性关键帧作为摘要，同时考虑到资源限制，如内存和磁盘空间的限制，另外，如果有基准图像轨迹可用，我们的方法可以轻松增强聚类和关键帧选择的监督损失。在真实世界和模拟数据集上进行的大量实验证明，我们的方法的性能超过了普通视频摘要基线的 50%。

    Nov, 2023

  • 基于显著性的人脸反欺诈视频摘要

    通过提取视觉显著性信息，利用基于加权融合的视频摘要方法改进人脸防伪识别模型的性能和效率，以面向数据的方式提供一种有效的训练集，通过 CNN-RNN 架构在五个具有挑战性的人脸防伪数据集上取得了最先进的表现。

    Aug, 2023

  • 基于神经注意力机制的摘要句子生成模型

    本文提出了一种基于数据驱动的、对抽象句子的局部关注模型进行生成式摘要的方法，通过训练大规模数据，该模型相比较于几种强基线模型在 DUC-2004 共享任务中表现了显著的性能提升。

    Sep, 2015