基于解耦译码的视频字幕生成方法和系统.pdfVIP

下载本文档

0
0
约2.19万字
约 18页
2023-06-22 发布于四川
举报
版权申诉

基于解耦译码的视频字幕生成方法和系统.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解耦译码的视频字幕生成方法和系统，属于视频字幕生成领域。1）获取视频的三种模态特征，在每一种模态特征的开头添加“[CLS]”标记；2）利用一个三通道跨模态编码器分别对三种模态特征进行编码；将所有编码块的输出结合在一起作为最终输出，并在最终输出结果中引入重构约束；3）从编码后的模态特征序列的首位“[CLS]”标记提取到三种模态的全局特征，结合历史预测词序列获得细粒度三阶张量，解耦三阶张量得到每种模态下的注意权重；将编码器输出的三种编码后的模态特征与对应模态下的注意权重的乘积作为

(19)中华人民共和国国家知识产权局 (12)发明专利 (10)授权公告号 CN 113423004 B (45)授权公告日 2021.11.30 (21)申请号 202110967808.7 (56)对比文件