一种基于音频监督的可转移视听文本生成方法和系统.pdfVIP

下载本文档

0
0
约1.98万字
约 15页
2023-05-11 发布于四川
举报
版权申诉

一种基于音频监督的可转移视听文本生成方法和系统.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明公开了一种基于音频监督的可转移视听文本生成方法和系统，属于描述性数据的生成和处理领域。首先提取源域视频帧特征序列和音频特征序列，提取视频帧特征序列的视觉前缀；构建通用音频语义空间，将视觉前缀重建为重建音频片段特征和反事实音频片段特征；将视觉前缀和视频帧特征序列拼接后与音频特征序列一起编码，得到跨模态融合后的视频特征序列和音频特征序列，再解码生成预测的描述文本；采用元学习和反事实对比学习方法，利用源域训练数据集对网络模型进行训练。本发明使用在不同域中语义信息变化较小的音频信号来监督视觉变化，

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116089654 A (43)申请公布日 2023.05.09 (21)申请号 202310365526.9 G10L 15/26 (2006.01)