CN110234037A - 视频片段的生成方法及装置、计算机设备及可读介质 - Google Patents
视频片段的生成方法及装置、计算机设备及可读介质 Download PDFInfo
- Publication number
- CN110234037A CN110234037A CN201910406188.2A CN201910406188A CN110234037A CN 110234037 A CN110234037 A CN 110234037A CN 201910406188 A CN201910406188 A CN 201910406188A CN 110234037 A CN110234037 A CN 110234037A
- Authority
- CN
- China
- Prior art keywords
- video
- temperature
- segmentation
- video segmentation
- movie
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/47—End-user applications
- H04N21/482—End-user interface for program selection
- H04N21/4826—End-user interface for program selection using recommendation lists, e.g. of programs or channels sorted out according to their score
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
- H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
- H04N21/845—Structuring of content, e.g. decomposing content into time segments
- H04N21/8456—Structuring of content, e.g. decomposing content into time segments by decomposing the content in the time domain, e.g. in time segments
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Software Systems (AREA)
- Human Computer Interaction (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种视频片段的生成方法及装置、计算机设备及可读介质。其方法包括:采用预设大小的滑动窗口对目标影视剧的视频进行截取,得到多个视频分段;基于预先建立的影视剧舆情图谱,分析每个所述视频分段的热度;参考各所述视频分段的热度,生成目标视频片段。本发明通过采用上述方式,自动生成目标视频片段,且该视频片段生成过程中还参考了各视频分段的热度,使得生成后的目标视频片段为一个热门视频片段,能够有效地保证生成的目标视频片段的质量。且本发明的视频片段的生成方案,全程不需要人工手动参与,整个过程省时省力,生成目标视频片段的效率非常高。
Description
【技术领域】
本发明涉及计算机应用技术领域,尤其涉及一种视频片段的生成方法及装置、计算机设备及可读介质。
【背景技术】
随着移动互联网时代的迅速发展,用户关注的内容也逐渐从图片转变为短视频、从长视频转变为短视频。由于短视频的时长较短,且其中也包括非常精彩的热门内容片段,符合现有社会中快节奏的生活。用户随时随地都可以刷几条短视频,了解热门的资讯,因此,能够吸引用户的兴趣。
例如,对于许多用户来说,对电影的热门片段或者经典片段非常感兴趣,经常想要回顾。为了满足这部分用户的需求,很多短视频生成者,通过人工手动的方式来生成段视频。具体地,可以依靠人工手动或者借助于视频剪截工具,根据视频的时间轴,从源视频中截取数个剪辑人员认为热门或者经典的视频片段,并手动拼接形成短视频。
由上述可知,现有的短视频的生成,需要依赖于人工手动的方式来实现,过程费时费力,生成效率非常低,
【发明内容】
本发明提供了一种视频片段的生成方法及装置、计算机设备及可读介质,用于提高视频片段的生成效率。
本发明提供一种视频片段的生成方法,所述方法包括:
采用预设大小的滑动窗口对目标影视剧的视频进行截取,得到多个视频分段;
基于预先建立的影视剧舆情图谱,分析每个所述视频分段的热度;
参考各所述视频分段的热度,生成目标视频片段。
本发明提供一种视频片段的生成装置,所述装置包括:
截取模块,用于采用预设大小的滑动窗口对目标影视剧的视频进行截取,得到多个视频分段;
热度分析模块,用于基于预先建立的影视剧舆情图谱,分析每个所述视频分段的热度;
片段生成模块,用于参考各所述视频分段的热度,生成目标视频片段。
本发明还提供一种计算机设备,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上所述的视频片段的生成方法。
本发明还提供一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如上所述的视频片段的生成方法。
本发明的视频片段的生成方法及装置、计算机设备及可读介质,通过采用上述方式,自动生成目标视频片段,且该视频片段生成过程中还参考了各视频分段的热度,使得生成后的目标视频片段为一个热门视频片段,能够有效地保证生成的目标视频片段的质量。且本发明的视频片段的生成方案,全程不需要人工手动参与,整个过程省时省力,生成目标视频片段的效率非常高。
【附图说明】
图1为本发明的视频片段的生成方法实施例一的流程图。
图2为本发明提供的一种影视剧舆情图谱的结构示意图。
图3为本发明的视频片段的生成方法实施例二的流程图。
图4为本发明提供的一种视频分段的热度的计算过程示意图。
图5为本发明的视频片段的生成过程中一种长视频分段的生成示意图。
图6为本发明的视频片段的生成装置实施例一的结构图。
图7为本发明的视频片段的生成装置实施例二的结构图。
图8为本发明的视频片段的生成装置实施例三的结构图。
图9为本发明的计算机设备实施例的结构图。
图10为本发明提供的一种计算机设备的示例图。
【具体实施方式】
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本发明进行详细描述。
图1为本发明的视频片段的生成方法实施例一的流程图。如图1所示,本实施例的视频片段的生成方法,具体可以包括如下步骤:
S100、采用预设大小的滑动窗口对目标影视剧的视频进行截取,得到多个视频分段;
本实施例的视频片段的生成方法的执行主体为视频片段的生成装置,该视频分段的生成装置可以为一独立的电子实体,或者也可以采用软件集成的应用,使用时运行在计算机上即可。本实施例的视频片段的生成装置,在使用时,输入一个目标影视剧的视频,该视频片段的生成装置可以根据本实施例的视频片段的生成方法,生成目标影视剧的视频中的热门视频片段,作为目标视频片段。
本实施例中,最终生成的目标视频片段为该目标影视剧的视频中热度最高、且相关性较强的片段,该目标视频片段可以为该目标影视剧的视频中的一段连续的片段,也可以为该目标影视剧的视频中时间上不连续的多个分段合成的。基于上述思想,在生成目标视频片段之前,需要先将目标影视剧的视频进行分段。具体地,在本实施例中,采用预设大小的滑动窗口对目标影视剧的视频进行截取,得到多个视频分段。其中预设大小的滑动窗口所包含的时间长度可以根据实际需求来设置,例如可以为5min、10min或者其他时间长度。具体截取时,可以按照时间轴从前往后的顺序,在目标影视剧的视频中依次截取各个视频分段。例如,以预设大小的滑动窗口为10min为例,第一个视频分段中截取00:00-00:10的视频分段,然后沿着时间轴向后滑动预设大小的滑动窗口,截取00:05-00:15的视频分段,再继续沿着时间轴向后滑动预设大小的滑动窗口,依次截取00:10-00:20、00:15-00:25、00:20-00:30、00:25-00:35等等,依次类推,直到滑动到该目标影视剧的视频的时间轴的末端,截取到所有的视频分段。
S101、基于预先建立的影视剧舆情图谱,分析每个视频分段的热度;
本实施例生成的目标视频片段为该目标影视剧的视频中的热门影视片段,因此,在合成该目标影视片段之前,需要参考每个视频分段的热度。本实施例中,具体可以基于预先建立的影视剧舆情图谱,分析每个视频分段的热度。
也就是说,在本实施例的步骤S101之前,还可以包括:采集关于目标影视剧的网络搜索数据;基于采集到的网络搜索数据,生成带有热度权重的影视剧舆情图谱。
基于网络中的每一个影视剧,可以基于影视剧的所有信息,建立该影视剧的知识图谱。例如,一个影视剧的知识图谱中可以包括影视剧的主实体,例如该实体可以采用影视剧的剧名来表示。同时,该影视剧的知识图谱的网络中还可以涵盖该影视剧对应的演员、台词、评分、评论、剧照、主题以及弹幕等等信息,每一个信息作为该影视剧的一个子实体,与主实体之间具有边关系。其中主题可以为网上用户对影视剧的热门讨论内容,该主题在一定程度上也可以称之为话题。主题可以根据整个影视剧视频或者影视剧视频中的某一部分片段概括抽取出来。例如,“影视剧《我不是药神》告诉我们,人生实苦,但请一定相信”,可以作为该影视剧《我不是药神》的一个主题。实际应用中,每一个影视剧可以对应包括多个主题。其中评分为基于一定的打分策略,结合影视剧各方面的信息,综合为影视剧所打的一个分值,分值越高,表示影视剧越精彩,反之亦然。评论可以用户对影视剧的整体或者部分片段所发表的意见或者看法。
实际应用中,不同子实体的热度对于影视剧的整体热度都有一定的贡献,而影视剧的知识图谱中并不能体现各子实体对主实体贡献的热度权重。因此,本实施例中,可以利用影视剧的知识图谱挖掘网络舆情,来构建影视剧舆情图谱。相对于影视剧的知识图谱,本实施例的影视剧舆情图谱中增加了子实体与主实体之间的热度权重,表示在网络搜索中子实体对主实体贡献的热度权重。
例如,本实施例中的“基于采集到的网络搜索数据,生成带有权重的影视剧舆情图谱”,具体可以包括:从网络搜索数据中,挖掘目标影视剧对应的子实体,构建影视剧舆情图谱;根据网络搜索数据,统计子实体对作为主实体的目标影视剧贡献的热度权重,并标识在影视剧舆情图谱中。
其中,从网络搜索数据中,挖掘目标影视剧对应的影视剧舆情图谱中的子实体,包括如下至少一个:
从网络搜索数据中,挖掘目标影视剧对应的演员,构成影视剧舆情图谱的子实体;
从网络搜索数据中,挖掘目标影视剧对应的台词,构成影视剧舆情图谱的子实体;
从网络搜索数据中,挖掘目标影视剧对应的评论,构成影视剧舆情图谱的子实体;以及
从网络搜索数据中,挖掘目标影视剧对应的主题,构成影视剧舆情图谱的子实体。
具体实现时,可以根据全网用户的搜索日志,收集网络上的关于目标影视剧的网络搜索数据,利用影视剧的知识图谱来对网络搜索数据进行分析标注,标注出影视剧相关的子实体,主要包括台词、演员、评论、影视剧、以及相应的主题等。其中,对于演员子实体、影视剧主实体,利用实体识别的方法进行标注。对于台词、评论、主题等子实体,需对检索数据进行意向标注,与影视剧知识库进行匹配挖掘,最终生成相应的子实体。其中影视剧知识库为预先根据影视剧信息建立的,其中可以包括该影视剧涉及到的演员表、台词以及剧照等等信息。最后以影视剧实体作为主实体,其他实体如演员、台词、评论、主题等实体作为影视剧实体的子实体,建立影视剧舆情图谱。然后进一步根据网络搜索数据,统计子实体对作为主实体的目标影视剧贡献的热度权重。
例如,对于演员的热度权重,可以统计目标影视剧所有的网络搜索数据中,使用演员搜索的数据,也就是说,由演员贡献的热度的数据。若该目标影视剧在预设时间周期内的所有搜索数据为W条,其中演员贡献的热度的数据为M条,则演员的热度权重为M/W。进一步地,若演员贡献的M条数据中共包括三个演员的数据,其中演员1的数据为A条,演员2的数据为B条,演员3的数据为C条,即A+B+C=M条,对应的,在演员子实体对应属性及属性值中,可以进一步限定演员1的热度权重为A/W,演员2的热度权重为B/W,演员3的热度权重为C/W。对于台词的热度,可以统计所有的W条搜索数据中,所有的通过台词搜索的数据如N条,则台词的热度权重为N/W。同理,可以计算每一条台词的热度权重。同理,可以计算评论、主题等子实体的权重,以及各子实体的属性中限定的每一条评论的热度权重,以及每一主题的热度权重。例如,如下表1为根据一些影视剧的网络搜索数据,统计得到的部分相关子实体对应的关键词的热度权重,其中标注部分标注的是对应的子实体类型。
表1
另外,需要说明的是,对于影视剧的知识图谱中的评分、剧照以及弹幕等子实体,若在构建的影视剧舆情图谱中不需要体现或者无法准确体现这些子实体的热度权重,此时,在影视剧舆情图谱中可以不显示这些子实体,或者显示这些子实体,但是不标识这些子实体对主实体的热度贡献。例如图2为本发明提供的一种影视剧舆情图谱的结构示意图。在该影视剧舆情图谱中,包括影视剧主实体、以及演员、台词、评论和主题四个子实体,并在该影视剧舆情图谱中标识了演员子实体对影视剧主实体的热度权重为权重A,台词子实体对影视剧主实体的热度权重为权重B,主题子实体对影视剧主实体的热度权重为权重C,以及评论子实体对影视剧主实体的热度权重为权重D。
上述实施例为影视剧舆情图谱的一种建立方式,实际应用中,还可以采用其他方式是建立影视剧舆情图谱,无论采用什么方式来建立,只要保证建立的影视剧舆情图谱中包括主实体、与主实体具有连接边的各子实体,并标识各子实体对主实体贡献的热度权重即可,在此不再一一举例赘述。
基于预先建立的影视剧舆情图谱,可以参考其中每个子实体的热度权重,可以分析每个视频分段的热度。
S102、参考各视频分段的热度,生成目标视频片段。
例如,可以根据步骤S101得到的每个视频分段的热度,从多个视频分段中获取热度排名前N的视频分段,并将热度排名前N的视频分段合并,生成一个参考网络热度的目标视频片段。由于生成的目标视频片段参考了目标影视剧的视频中各视频分段的热度,所以该目标视频片段是一个热门视频片段。
另外,需要说明的是,将热度排名前N的视频分段合并生成目标视频片段时,可以按照各视频分段在目标影视剧的视频中的时间先后顺序合并。或者也可以根据不同视频片段的前后的画面内容相关度、画面色彩相关度、音频相关度、台词相关度等中的一个或者多个,来将N个视频分段合并,生成目标视频片段,使得合并后的目标视频片段更顺畅。
本实施例的视频片段的生成方法,通过采用上述方式,自动生成目标视频片段,且该视频片段生成过程中还参考了各视频分段的热度,使得生成后的目标视频片段为一个热门视频片段,能够有效地保证生成的目标视频片段的质量。且本实施例的视频片段的生成方案,全程不需要人工手动参与,整个过程省时省力,生成目标视频片段的效率非常高。
图3为本发明的视频片段的生成方法实施例二的流程图。如图3所示,本实施例的视频片段的生成方法,在上述图1所示实施例的技术方案的基础上,进一步更加详细地介绍本发明的技术方案。如图3所示,本实施例的视频片段的生成方法,具体可以包括如下步骤:
S200、采用预设大小的滑动窗口对目标影视剧的视频进行截取,得到多个视频分段;
该步骤的具体实现方式可以参考上述图1所示实施例的步骤S100的记载,在此不再赘述。
S201、解析每个视频分段中涉及到的演员、台词、评论、弹幕比例、画面丰富度、点播热度以及主题中的至少一个;
例如,具体可以采用视频分析工具来对每个视频分段进行分析,可以分析到每个视频分段中包括几个演员,都是谁。还可以分析到每个视频分段中包括的所有台词,由于台词内容较多,可以忽略对整个影视剧视频没有任何热度贡献的台词,而仅提取该视频分段中关键性的台词。例如可以参考影视剧舆情图谱中的台词子实体的属性中记载的台词,从该视频分段的所有台词中抽取存在于影视剧舆情图谱中的台词子实体中的关键性的台词。另外,影视剧视频中的每一条评论都是基于用户当前所看的视频的内容有感而发的,因此,每一条评论都携带有当前视频播放的时间戳,根据每一条评论携带的时间戳,可以将评论分至对应的视频分段中。同一个视频分段中评论的数量也可能较多,有些评论是都影视剧的热度有贡献的有价值的评论,而有些评论可以忽略。同理,也可以参考影视剧舆情图谱中的评论子实体的属性中记载的评论,从该视频分段对应的所有评论中抽取存在于影视剧舆情图谱中的评论子实体中的重要性的评论。
本实施例中的每个视频分段中的弹幕比例,可以通过统计当前视频分段中所有帧图像中的弹幕平均比例得到。本实施例中的画面丰富度,可以由视频分析工具对当前视频分段中所有帧图像的画面丰富度进行分析,取平均得到。本实施例的点播热度,可以由视频分析工具对网络中所有用户对该视频分段的点播情况分析得到。主题可以为视频分析工具对该视频分段的内容进行总结得到。
本实施例中,以解析获取到每个视频分段中涉及到的演员、台词、评论、弹幕比例、画面丰富度、点播热度以及主题中的至少一个为例,实际应用中,还可以解析到更多的子实体相关的信息或者子实体无关的信息,在此不再一一举例赘述。
例如,如下表2为对影视剧《大话西游》的00:00-00:10的视频分段和00:05-00:15的视频分段进行分析的结果示例。
表2
S202、若解析到每个视频分段中的弹幕比例、演员、台词以及评论中的至少一个,将每个视频分段中的弹幕比例、以及对应的视频分段中涉及到的演员、台词以及评论中的至少一个在影视剧舆情图谱中对应的热度权重,加权求和得到对应的视频分段的内容热度;
由上述实施例的记载可知,影视剧舆情图谱中不仅记录有每一种类型的子实体对影视剧主实体贡献的热度权重,同时,在相应的子实体的属性及属性值中还记录有该子实体类型的每一条信息对应的热度权重,且该子实体类型的所有信息的热度权重之和,等于该类型的子实体对主实体贡献的热度权重。
对于每个视频分段,其中涉及到的演员可能仅包括影视剧的所有演员表中的一小部分,根据影视剧舆情图谱,可以获取该视频分段中每个演员对应的热度权重,将该视频分段中所涉及的所有演员对应的热度权重相加,得到该视频分段中演员的热度权重。同理,按照类似的方式,可以获取到台词的热度权重以及评论的热度权重。
接下来,对于每个视频分段,将该视频分段对应的弹幕比例、演员的热度权重、台词的热度权重以及评论的热度权重中的至少一个,进行加权求和,得到该视频分段的内容热度。具体地,加权求和处理中,对弹幕比例、演员、台词以及评论中每一种参数配置的权重的高低,可以根据该影视剧该参数的重要性来设置,重要性高的,可以配置的权重稍高,反之亦然,例如可以为演员和台词配置相对较高的权重,而弹幕比例和评论配置相对较低的权重。当然,实际应用中,也可以人为配置,对于需要重点参考的参数配置较高的权重,而不需要重点参考的参数配置较低的权重。
S203、若还解析到每个视频分段中的画面丰富度、点播热度以及主题中的至少一个,将每个视频分段的内容热度、画面丰富度、点播热度以及对应的视频分段的主题在影视剧舆情图谱中对应的热度权重中的至少一个,加权求和得到对应的视频分段的热度;
上述步骤S201-S203为上述图1所示实施例的步骤S201的一种具体实现方式。
同理,参考上述每个视频分段的演员的热度权重的获取方式,可以获取到每个视频分段中的主题的热度权重。若还解析到每个视频分段中的画面丰富度、点播热度以及主题中的至少一个时,对于每个视频分段,将视频分段的内容热度、画面丰富度、点播热度以及主题的热度权重中的至少一个,加权求和得到对应的视频分段的热度。
图4为本发明提供的一种视频分段的热度的计算过程示意图。图4中以步骤S202中同时包括视频分段的弹幕比例、演员的热度权重、台词的热度权重以及评论的热度权重,步骤S203中同时包括视频分段的内容热度、画面丰富度、点播热度以及主题的热度权重为例,实际应用中,在两层加权求和处理中也可以仅包括图中的部分信息。当然,实际应用中,包括的信息种类越多,计算的视频分段的热度越准确。
本实施例中,分析每个视频分段的热度时,参考影视剧舆情图谱,而因影视剧舆情图谱又是根据网络搜索数据构建的,且网络搜索数据可以反应全网用户的兴趣爱好,因此,本实施例分析的视频分段的热度,参考了全网用户的兴趣爱好,可以保证后续生成的目标视频片段具有足够的热度。
S204、参考各视频分段的热度的同时,还参考不同视频分段的分段相似度,一起生成目标视频片段;
该步骤S204与上述图1所示实施例的步骤S102的区别在于:上述图1所示实施例的步骤S102仅参考各视频分段的热度生成目标视频片段;而本实施例的步骤S204,同时参考各视频分段的热度和不同视频分段的分段相似度,一起生成目标视频片段。相对于图1所示实施例,本实施例生成的目标视频片段可以包括更加丰富的内容信息。
进一步可选地,本实施例的步骤S204可以包括如下两种实现方式:
第一种实现方式,具体可以包括如下步骤:
(a1)根据每个视频分段的热度,从多个视频分段中获取热度最高的前N个,作为热度视频分段;
(b1)对于每个热度视频分段,将目标影视剧的视频中与热度视频分段近邻的、且与热度视频分段的分段相似度大于或者等于预设相似度阈值的视频分段,与热度视频分段合并,生成长视频分段,共得到N个长视频分段;
(c1)将N个长视频分段拼接,生成目标视频片段。
在第一种实现方式中,先从多个视频分段中获取热度视频分段,其中热度视频分段的数量N可以根据实际需求来设置,例如可以为3个、5个、10个或者其他还可以为其他数量个,在此不再限定。本实施例在获取到热度视频分段后,以热度视频分段为中心,将其近邻的与其分段相似度较高的视频分段与热度视频分段合并,生成长视频分段。需要说明的是,由于每个视频分段是根据预设的滑动窗口截取的,相邻的视频分段会存在冗余,在合并时,可以按照目标影视剧视频的时间轴以及各视频分段的时间戳,进行去冗余合并。对每个热度视频分段都进行类似的处理,可以得到每个热度视频分段对应的长视频分段,共可以得到N个长视频分段。最后将得到的N个长视频分段拼接,生成目标视频片段。例如N个长视频分段可以按照在目标影视剧的视频中的时间先后顺序来拼接。或者也可以按照其他方式来拼接,在此不做限定。
例如,其中的步骤(b1),具体可以包括如下不同的实现方式:
实现方式A,具体可以包括如下步骤:
(1)对于每个热度视频分段,计算目标影视剧的视频中、热度视频分段前后的至少两个相邻的视频分段分别与热度视频分段的分段相似度;
例如,对于每个热度视频分段,可以根据各相邻的视频分段与热度视频分段的台词相关度、画面内容相关度、主题相关度、弹幕相关度、音频相关度以及画面色彩相关度中的至少一个,计算各相邻的视频分段与热度视频分段的分段相似度,加权求和时为各相关度配置的权重大小可以根据实际需求来设置。若根据多个不同参数的相关度,计算分段相似度时,可以采用加权求和的方式来处理。其中,对于每一种相关度的计算方式,可以分别提取两个视频分段中对应的特征,然后根据对应的特征来比对,得到相关度。或者对于每一种相关度,可以训练相应的相关度计算模型,使用时输入两个视频分段,相关度计算模型可以输出预测的这两个视频分段的相关度。对于每一种相关度计算模型的训练,都需要预先采集数组训练数据,每一组训练数据中需要包括两个视频分段以及已知的相关度,然后将训练数据中的两个视频分段输入至相关度计算模型中,由相关度计算模型预测相应的相关度,并将预测的相关度与已知的相关度进行比对,判断两者是否一致。例如,本实施例中的一致可以认为是两者差值小于一个很小的预设阈值。若不一致,调整相关度计算模型的参数,使得预测的相关度与已知的相关度一致。按照上述方式,不断地采用训练数据对相关度计算模型的参数进行调整,可以使得训练后的相关度计算模型预测的相关度与已知的相关度一致,相关度计算模型的参数确定,训练完毕。
本实施例中的每一种相关度可以采用0-1之间的数值来表示,越接近1表示相关性越高,越接近0,表示相关性越低。
对于每个热度视频分段,本实施例中获取的其前后的至少两个相邻的视频分段的数量可以为两个、四个、或者其他2的倍数个。由于实际应用中,每个影视剧的视频中开头和结尾通常不可能是该视频中最热门的片段,因此,在不考虑热度视频分段为目标影视剧的视频的边界的情况下,可以从该热度视频分段的前后各取一个相邻的视频分段,按照类似的方式,在前相邻的视频分段再向前取一个相邻的视频分段,后相邻的视频分段再向后取一个相邻的视频分段,依次类推,可以取到每个热度视频分段对应的至少两个相邻的视频分段。然后按照上述实施例的两个视频分段的分段相似度的计算方式,可以获取到每个相邻的视频分段与热度视频分段的分段相似度。
(2)对于每个热度视频分段,将对应的至少两个相邻的视频分段中、与热度视频分段的分段相似度大于或者等于预设相似度阈值的视频分段,与热度视频分段合并,生成长视频分段。
具体地,可以对每一个相邻的视频分段与热度视频分段的分段相似度进行分析,判断对应的分段相似度是否大于或者等于预设相似度阈值;并保留至少两个相邻的视频分段中、与热度视频分段的分段相似度大于或者等于预设相似度阈值的视频分段,按照保留的各视频分段在目标影视剧的视频中的时间先后顺序来合并,生成长视频分段。或者也可以按照其他方式来合并,在此不做限定。
实现方式B,具体可以包括:对于每个热度视频分段,以对应的热度视频分段为聚类中心,按照多个视频分段在目标影视剧的视频中距离热度视频分段由近到远的顺序,依次在热度视频分段的向前和/或向后两个方向上取前相邻视频分段和/或后相邻视频分段,并将与热度视频分段的分段相似度大于或者等于预设相似度阈值的前相邻视频分段和/或后相邻视频分段,与热度视频分段聚类在一起,形成长视频分段,直至向前或者向后方向上获取的前相邻视频分段或后相邻视频分段、与热度视频分段的分段相似度小于预设相似度阈值,停止对应方向上的聚类处理,两个方向上的聚类处理都结束时,得到相应的长视频分段;对于N个热度视频分段,共得到N个长视频分段。
例如,该实现方式B,具体实现时可以包括如下步骤:
(i)对于每个热度视频分段,以对应的热度视频分段为聚类中心,获取目标影视剧中、热度视频分段的前相邻视频分段和后相邻视频分段;
(ii)计算前相邻视频分段、后相邻视频分段分别与热度视频分段的分段相似度;
(iii)判断计算得到的两个分段相似度中是否至少一个大于或者等于预设相似度阈值;若是,执行步骤(iv);否则,将多个热度视频分段合并,生成目标视频片段;结束。
(iv)将分段相似度大于预设相似度阈值的前相邻视频分段和/或后相邻视频分段,与热度视频分段合并为一个长视频分段;
(v)再从目标影视剧中获取参与合并的前相邻视频分段向前相邻的前相邻视频分段、和/或参与合并的后相邻视频分段向后相邻的后相邻视频分段;
(vi)并计算新获取的前相邻视频分段和/或后相邻视频分段,分别与热度视频分段的分段相似度;
(vii)判断计算得到的分段相似度中是否至少一个大于或者等于预设相似度阈值;若是,执行步骤(viii);否则,将得到的多个长视频分段合并,生成目标视频片段;结束。
(viii)将分段相似度大于预设相似度阈值的前相邻视频分段和/或后相邻视频分段,与合并至长视频分段中,以更新长视频分段;返回步骤(v)。
上述实现方式A中,每个热度视频分段对应的长视频分段在目标影视剧视频中可能是不连续的视频分段。而上述实现方式B中,每个热度视频分段对应的长视频分段在目标影视剧视频中必定是连续的视频分段。
图5为本发明的视频片段的生成过程中一种长视频分段的生成示意图。如图5所示的长视频分段的生成过程可以为上述实现方式B的一种变形,具体地,上述实现方式B中步骤(ii)和(iii)是分别计算每个相邻视频分段与热度视频分段的分段相似度。本实现方式中,对于每个视频分段,均获取其最近邻的至少两个相邻的视频分段。同理,至少两个相邻的视频分段包括最近邻的两个视频分段以及与最近邻的视频分段相邻的视频分段。然后计算该视频分段与每个相邻视频分段的片段相似度;并取该视频分段与所有相邻视频分段的片段相似度的平均值,作为该视频分段与相邻视频分段的相似度。
如图5所示,接下来,可以建立坐标系,在该坐标系中按照目标影视剧视频的时间轴,画出多个视频分段中每个视频分段的热度和每个视频分段与相邻视频分段的相似度;然后取热度最高的几个热度视频分段,如图5中的浅色小框所指示的区间,图5中以取到4个视频分段为例。然后结合每个视频分段与相邻视频分段的相似度,判断每个热度视频分段的前后是否存在于热度视频分段的相似度较高的视频分段。例如图5中,对于前3个热度视频分段,其前后均存在相似度值较高的视频分段。具体地,对于每个热度视频分段,可以从其前后、取相似度大于预设相似度阈值的视频分段,按照在目标影视剧的视频中的时间轴合并,生成长视频分段,如图5中的深色大框所指示的区间,图5中以生成3个长视频分段为例。最后将3个长视频分段合并,生成目标视频片段。
第二种实现方式,具体可以包括如下步骤:
(a2)计算多个视频分段中每两个视频分段的分段相似度;
(b2)将多个视频分段中、分段相似度大于预设相似度阈值的各个视频分段合并为备选长视频分段,共得到多个备选长视频分段;
(c2)对于每个备选长视频分段,取所包括的各视频分段的热度的最高值,作为备选长视频分段的热度;
(d2)从多个备选长视频分段中获取热度最高的前N个合并,生成长视频分段。
该实现方式是先从多个视频分段中获取片段相似度较高的视频分段,然后将相似度大于预设相似度阈值的各个视频分段合并,生成备选长视频分段。合并过程中同理需要去除冗余,在此不再赘述。然后在从备选长视频分段中获取热度最高的N个,合并生成目标视频片段。需要说明的是,对于每个备选长视频分段的热度,可以取该备选长视频分段中多个视频分段的热度最高的热度值。
本实施例的视频片段的生成方法,通过采用上述方式,自动生成目标视频片段,且该视频片段生成过程中还参考了各视频分段的热度以及分段相似度,使得生成后的目标视频片段不仅为一个热门视频片段,同时还包括足够丰富的信息,能够有效地保证生成的目标视频片段的质量。且本实施例的视频片段的生成方案,全程不需要人工手动参与,整个过程省时省力,生成目标视频片段的效率非常高。
图6为本发明的视频片段的生成装置实施例一的结构图。如图6所示,本实施例的视频片段的生成装置,具体可以包括:
截取模块10用于采用预设大小的滑动窗口对目标影视剧的视频进行截取,得到多个视频分段;
热度分析模块11用于基于预先建立的影视剧舆情图谱,分析截取模块10截取得到的每个视频分段的热度;
片段生成模块12用于参考热度分析模块11分析的各视频分段的热度,生成目标视频片段。
本实施例的视频片段的生成装置,通过采用上述模块实现视频片段的生成的实现原理以及技术效果与上述相关方法实施例的实现相同,详细可以参考上述相关方法实施例的记载,在此不再赘述。
图7为本发明的视频片段的生成装置实施例二的结构图。如图7所示,本实施例的视频片段的生成装置,在上述图6所示实施例的技术方案的基础上,进一步更加详细地介绍本发明的技术方案。
如图7所示,本实施例的视频片段的生成装置,还包括;
采集模块13用于采集关于目标影视剧的网络搜索数据;
图谱生成模块14用于基于采集模块13采集到的网络搜索数据,生成带有热度权重的影视剧舆情图谱。
对应地,热度分析模块11用于基于图谱生成模块14预先建立的影视剧舆情图谱,分析截取模块10截取得到的每个视频分段的热度。
进一步可选地,图谱生成模块14具体用于:
从网络搜索数据中,挖掘目标影视剧对应的子实体,构建影视剧舆情图谱;
根据网络搜索数据,统计子实体对作为主实体的目标影视剧贡献的热度权重,并标识在影视剧舆情图谱中。
进一步可选地,图谱生成模块14图谱生成模块,具体用于执行如下至少一个操作:
从网络搜索数据中,挖掘目标影视剧对应的演员,构成影视剧舆情图谱的子实体;
从网络搜索数据中,挖掘目标影视剧对应的台词,构成影视剧舆情图谱的子实体;
从网络搜索数据中,挖掘目标影视剧对应的评论,构成影视剧舆情图谱的子实体;以及
从网络搜索数据中,挖掘目标影视剧对应的主题,构成影视剧舆情图谱的子实体。
进一步可选地,如图7所示,本实施例的视频片段的生成装置中,热度分析模块11包括:
解析单元111用于解析截取模块10截取得到的每个视频分段中涉及到的演员、台词、评论、弹幕比例、画面丰富度、点播热度以及主题中的至少一个;
内容热度处理单元112用于若解析单元111解析到每个视频分段中的弹幕比例、演员、台词以及评论中的至少一个,将每个视频分段中的弹幕比例、以及对应的视频分段中涉及到的演员、台词和评论中的至少一个在图谱生成模块14生成的影视剧舆情图谱中对应的热度权重,加权求和得到对应的视频分段的内容热度;
分段热度处理单元113用于若解析单元111还解析到每个视频分段中的画面丰富度、点播热度以及主题中的至少一个,将每个视频分段的内容热度、画面丰富度、点播热度以及对应的视频分段的主题在图谱生成模块14生成的影视剧舆情图谱中对应的热度权重中的至少一个,加权求和得到对应的视频分段的热度。
进一步可选地,其中片段生成模块12用于参考各视频分段的热度的同时,还参考不同视频分段的分段相似度,生成目标视频片段。
例如,本实施例的视频片段的生成装置中,片段生成模块12包括:
热度分段获取单元121用于根据分段热度处理单元113得到的每个视频分段的热度,从多个视频分段中获取热度最高的前N个,作为热度视频分段;
长分段生成单元122用于对于热度分段获取单元121获取到的每个热度视频分段,将目标影视剧的视频中与热度视频分段近邻的、且与热度视频分段的分段相似度大于或者等于预设相似度阈值的视频分段,与热度视频分段合并,生成长视频分段,共得到N个长视频分段;
第一拼接单元123用于将长分段生成单元122得到的N个长视频分段拼接,生成目标视频片段。
进一步可选地,其中长分段生成单元122用于:
对于每个热度视频分段,计算目标影视剧的视频中、热度视频分段前后的至少两个相邻的视频分段分别与热度视频分段的分段相似度;
对于每个热度视频分段,将对应的至少两个相邻的视频分段中、与热度视频分段的分段相似度大于或者等于预设相似度阈值的视频分段,与热度视频分段合并,生成长视频分段。
进一步可选地,其中长分段生成单元122用于:
对于每个热度视频分段,根据各相邻的视频分段与热度视频分段的台词相关度、画面内容相关度、主题相关度、弹幕相关度、音频相关度以及画面色彩相关度中的至少一个,计算各相邻的视频分段与热度视频分段的分段相似度。
或者进一步可选地,其中长分段生成单元122用于:
对于每个热度视频分段,以对应的热度视频分段为聚类中心,按照多个视频分段中目标影视剧的视频中距离热度视频分段由近到远的顺序,依次在热度视频分段的向前和/或向后两个方向上取前相邻视频分段和/或后相邻视频分段,并将与热度视频分段的分段相似度大于或者等于预设相似度阈值的前相邻视频分段和/或后相邻视频分段,与热度视频分段聚类在一起,形成长视频分段,直至向前或者向后方向上获取的前相邻视频分段或后相邻视频分段、与热度视频分段的分段相似度小于预设相似度阈值,停止对应方向上的聚类处理,直到两个方向上的聚类处理都结束时,得到相应的长视频分段。
本实施例的视频片段的生成装置,通过采用上述模块实现视频片段的生成的实现原理以及技术效果与上述相关方法实施例的实现相同,详细可以参考上述相关方法实施例的记载,在此不再赘述。
图8为本发明的视频片段的生成装置实施例三的结构图。如图8所示,本实施例的视频片段的生成装置,在上述图7所示实施例的技术方案的基础上,修改了图7所示实施例中的片段生成模块12的内部结构,其余与上述图7所示实施例相同,详细可以参考上述实施例的记载。
如图8所示,本实施例的视频片段的生成装置中,片段生成模块12包括:
计算单元124用于计算截取模块10截取得到的多个视频分段中每两个视频分段的分段相似度;
备选分段获取单元125用于根据计算单元124的计算结果,将多个视频分段中、分段相似度大于预设相似度阈值的各个视频分段合并为备选长视频分段,共得到多个备选长视频分段;
热度设置单元126用于对于备选分段获取单元125获取的每个备选长视频分段,根据分段热度处理单元113得到的每个视频分段的热度,取该备选长视频分段所包括的各视频分段的热度的最高值,作为备选长视频分段的热度;
第二拼接单元127用于根据热度设置单元126设置的结果,从备选分段获取单元125获取到的多个备选长视频分段中获取热度最高的前N个拼接,生成目标视频片段。
本实施例的视频片段的生成装置,通过采用上述模块实现视频片段的生成的实现原理以及技术效果与上述相关方法实施例的实现相同,详细可以参考上述相关方法实施例的记载,在此不再赘述。
图9为本发明的计算机设备实施例的结构图。如图9所示,本实施例的计算机设备,包括:一个或多个处理器30,以及存储器40,存储器40用于存储一个或多个程序,当存储器40中存储的一个或多个程序被一个或多个处理器30执行,使得一个或多个处理器30实现如上图1-图5所示实施例的信息处理方法。图9所示实施例中以包括多个处理器30为例。
例如,图10为本发明提供的一种计算机设备的示例图。图10示出了适于用来实现本发明实施方式的示例性计算机设备12a的框图。图10显示的计算机设备12a仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图10所示,计算机设备12a以通用计算设备的形式表现。计算机设备12a的组件可以包括但不限于:一个或者多个处理器16a,系统存储器28a,连接不同系统组件(包括系统存储器28a和处理器16a)的总线18a。
总线18a表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备12a典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12a访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28a可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30a和/或高速缓存存储器32a。计算机设备12a可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34a可以用于读写不可移动的、非易失性磁介质(图10未显示,通常称为“硬盘驱动器”)。尽管图10中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18a相连。系统存储器28a可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明上述图1-图8各实施例的功能。
具有一组(至少一个)程序模块42a的程序/实用工具40a,可以存储在例如系统存储器28a中,这样的程序模块42a包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42a通常执行本发明所描述的上述图1-图8各实施例中的功能和/或方法。
计算机设备12a也可以与一个或多个外部设备14a(例如键盘、指向设备、显示器24a等)通信,还可与一个或者多个使得用户能与该计算机设备12a交互的设备通信,和/或与使得该计算机设备12a能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22a进行。并且,计算机设备12a还可以通过网络适配器20a与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20a通过总线18a与计算机设备12a的其它模块通信。应当明白,尽管图中未示出,可以结合计算机设备12a使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器16a通过运行存储在系统存储器28a中的程序,从而执行各种功能应用以及数据处理,例如实现上述实施例所示的视频片段的生成方法。
本发明还提供一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如上述实施例所示的视频片段的生成方法。
本实施例的计算机可读介质可以包括上述图10所示实施例中的系统存储器28a中的RAM30a、和/或高速缓存存储器32a、和/或存储系统34a。
随着科技的发展,计算机程序的传播途径不再受限于有形介质,还可以直接从网络下载,或者采用其他方式获取。因此,本实施例中的计算机可读介质不仅可以包括有形的介质,还可以包括无形的介质。
本实施例的计算机可读介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (24)
1.一种视频片段的生成方法,其特征在于,所述方法包括:
采用预设大小的滑动窗口对目标影视剧的视频进行截取,得到多个视频分段;
基于预先建立的影视剧舆情图谱,分析每个所述视频分段的热度;
参考各所述视频分段的热度,生成目标视频片段。
2.根据权利要求1所述的方法,其特征在于,基于预先建立的影视剧舆情图谱,分析每个所述视频分段的热度之前,所述方法包括:
采集关于所述目标影视剧的网络搜索数据;
基于采集到的所述网络搜索数据,生成带有热度权重的所述影视剧舆情图谱。
3.根据权利要求2所述的方法,其特征在于,基于采集到的所述网络搜索数据,生成带有热度权重的所述影视剧舆情图谱,包括:
从所述网络搜索数据中,挖掘所述目标影视剧对应的子实体,构建所述影视剧舆情图谱;
根据所述网络搜索数据,统计所述子实体对作为主实体的所述目标影视剧贡献的热度权重,并标识在所述影视剧舆情图谱中。
4.根据权利要求3所述的方法,其特征在于,从所述网络搜索数据中,挖掘所述目标影视剧对应的所述影视剧舆情图谱中的子实体,包括如下至少一个:
从所述网络搜索数据中,挖掘所述目标影视剧对应的演员,构成所述影视剧舆情图谱的所述子实体;
从所述网络搜索数据中,挖掘所述目标影视剧对应的台词,构成所述影视剧舆情图谱的所述子实体;
从所述网络搜索数据中,挖掘所述目标影视剧对应的评论,构成所述影视剧舆情图谱的所述子实体;以及
从所述网络搜索数据中,挖掘所述目标影视剧对应的主题,构成所述影视剧舆情图谱的所述子实体。
5.根据权利要求4所述的方法,其特征在于,基于预先建立的影视剧舆情图谱,分析每个所述视频分段的热度,包括:
解析每个所述视频分段中涉及到的演员、台词、评论、弹幕比例、画面丰富度、点播热度以及主题中的至少一个;
若解析到每个所述视频分段中的所述弹幕比例、所述演员、所述台词以及所述评论中的至少一个,将每个所述视频分段中的所述弹幕比例、以及对应的所述视频分段中涉及到的所述演员、所述台词和所述评论中的至少一个在所述影视剧舆情图谱中对应的热度权重,加权求和得到对应的所述视频分段的内容热度;
若还解析到每个所述视频分段中的所述画面丰富度、所述点播热度以及所述主题中的至少一个,将每个所述视频分段的内容热度、所述画面丰富度、所述点播热度以及对应的所述视频分段的主题在所述影视剧舆情图谱中对应的热度权重中的至少一个,加权求和得到对应的所述视频分段的热度。
6.根据权利要求1所述的方法,其特征在于,参考各所述视频分段的热度,生成目标视频片段,具体包括:
参考各所述视频分段的热度的同时,还参考不同所述视频分段的分段相似度,生成所述目标视频片段。
7.根据权利要求6所述的方法,其特征在于,参考各所述视频分段的热度的同时,还参考不同所述视频分段的分段相似度,生成所述目标视频片段,包括:
根据每个所述视频分段的热度,从所述多个视频分段中获取热度最高的前N个,作为热度视频分段;
对于每个所述热度视频分段,将所述目标影视剧的视频中与所述热度视频分段近邻的、且与所述热度视频分段的分段相似度大于或者等于预设相似度阈值的视频分段,与所述热度视频分段合并,生成长视频分段,共得到N个长视频分段;
将所述N个长视频分段拼接,生成所述目标视频片段。
8.根据权利要求7所述的方法,其特征在于,对于每个所述热度视频分段,将所述目标影视剧的视频中与所述热度视频分段近邻的、且与所述热度视频分段的分段相似度大于或者等于预设相似度阈值的视频分段,与所述热度视频分段合并,生成长视频分段,包括:
对于每个所述热度视频分段,计算所述目标影视剧的视频中、所述热度视频分段前后的至少两个相邻的视频分段分别与所述热度视频分段的分段相似度;
对于每个所述热度视频分段,将对应的所述至少两个相邻的视频分段中、与所述热度视频分段的分段相似度大于或者等于预设相似度阈值的视频分段,与所述热度视频分段合并,生成所述长视频分段。
9.根据权利要求8所述的方法,其特征在于,对于每个所述热度视频分段,计算所述目标影视剧的视频中、所述热度视频分段前后的至少两个相邻的视频分段分别与所述热度视频分段的分段相似度,包括:
对于每个所述热度视频分段,根据各所述相邻的视频分段与所述热度视频分段的台词相关度、画面内容相关度、主题相关度、弹幕相关度、音频相关度以及画面色彩相关度中的至少一个,计算各所述相邻的视频分段与所述热度视频分段的分段相似度。
10.根据权利要求7所述的方法,其特征在于,对于每个所述热度视频分段,将对应的所述至少两个相邻的视频分段中、与所述热度视频分段的分段相似度大于或者等于预设相似度阈值的视频分段,与所述热度视频分段合并,生成所述长视频分段,包括:
对于每个所述热度视频分段,以对应的所述热度视频分段为聚类中心,按照所述多个视频分段中所述目标影视剧的视频中距离所述热度视频分段由近到远的顺序,依次在所述热度视频分段的向前和/或向后两个方向上取前相邻视频分段和/或后相邻视频分段,并将与所述热度视频分段的分段相似度大于或者等于预设相似度阈值的所述前相邻视频分段和/或所述后相邻视频分段,与所述热度视频分段聚类在一起,形成长视频分段,直至向前或者向后方向上获取的前相邻视频分段或后相邻视频分段、与所述热度视频分段的分段相似度小于所述预设相似度阈值,停止对应方向上的聚类处理,直到两个方向上的聚类处理都结束时,得到相应的所述长视频分段。
11.根据权利要求6所述的方法,其特征在于,参考各所述视频分段的热度的同时,还参考不同所述视频分段的分段相似度,生成所述目标视频片段,包括:
计算所述多个视频分段中每两个视频分段的分段相似度;
将所述多个视频分段中、所述分段相似度大于预设相似度阈值的各个所述视频分段合并为备选长视频分段,共得到多个备选长视频分段;
对于每个所述备选长视频分段,取所包括的各所述视频分段的热度的最高值,作为所述备选长视频分段的热度;
从所述多个备选长视频分段中获取热度最高的前N个拼接,生成所述目标视频片段。
12.一种视频片段的生成装置,其特征在于,所述装置包括:
截取模块,用于采用预设大小的滑动窗口对目标影视剧的视频进行截取,得到多个视频分段;
热度分析模块,用于基于预先建立的影视剧舆情图谱,分析每个所述视频分段的热度;
片段生成模块,用于参考各所述视频分段的热度,生成目标视频片段。
13.根据权利要求12所述的装置,其特征在于,所述装置还包括;
采集模块,用于采集关于所述目标影视剧的网络搜索数据;
图谱生成模块,用于基于采集到的所述网络搜索数据,生成带有热度权重的所述影视剧舆情图谱。
14.根据权利要求13所述的装置,其特征在于,所述图谱生成模块,具体用于:
从所述网络搜索数据中,挖掘所述目标影视剧对应的子实体,构建所述影视剧舆情图谱;
根据所述网络搜索数据,统计所述子实体对作为主实体的所述目标影视剧贡献的热度权重,并标识在所述影视剧舆情图谱中。
15.根据权利要求14所述的装置,其特征在于,所述图谱生成模块,具体用于执行如下至少一个操作:
从所述网络搜索数据中,挖掘所述目标影视剧对应的演员,构成所述影视剧舆情图谱的所述子实体;
从所述网络搜索数据中,挖掘所述目标影视剧对应的台词,构成所述影视剧舆情图谱的所述子实体;
从所述网络搜索数据中,挖掘所述目标影视剧对应的评论,构成所述影视剧舆情图谱的所述子实体;以及
从所述网络搜索数据中,挖掘所述目标影视剧对应的主题,构成所述影视剧舆情图谱的所述子实体。
16.根据权利要求15所述的装置,其特征在于,所述热度分析模块,包括:
解析单元,用于解析每个所述视频分段中涉及到的演员、台词、评论、弹幕比例、画面丰富度、点播热度以及主题中的至少一个;
内容热度处理单元,用于若解析到每个所述视频分段中的所述弹幕比例、所述演员、所述台词以及所述评论中的至少一个,将每个所述视频分段中的所述弹幕比例、以及对应的所述视频分段中涉及到的所述演员、所述台词和所述评论中的至少一个在所述影视剧舆情图谱中对应的热度权重,加权求和得到对应的所述视频分段的内容热度;
分段热度处理单元,用于若还解析到每个所述视频分段中的所述画面丰富度、所述点播热度以及所述主题中的至少一个,将每个所述视频分段的内容热度、所述画面丰富度、所述点播热度以及对应的所述视频分段的主题在所述影视剧舆情图谱中对应的热度权重中的至少一个,加权求和得到对应的所述视频分段的热度。
17.根据权利要求12所述的装置,其特征在于,所述片段生成模块,用于参考各所述视频分段的热度的同时,还参考不同所述视频分段的分段相似度,生成所述目标视频片段。
18.根据权利要求17所述的装置,其特征在于,所述片段生成模块,包括:
热度分段获取单元,用于根据每个所述视频分段的热度,从所述多个视频分段中获取热度最高的前N个,作为热度视频分段;
长分段生成单元,用于对于每个所述热度视频分段,将所述目标影视剧的视频中与所述热度视频分段近邻的、且与所述热度视频分段的分段相似度大于或者等于预设相似度阈值的视频分段,与所述热度视频分段合并,生成长视频分段,共得到N个长视频分段;
第一拼接单元,用于将所述N个长视频分段拼接,生成所述目标视频片段。
19.根据权利要求18所述的装置,其特征在于,所述长分段生成单元,用于:
对于每个所述热度视频分段,计算所述目标影视剧的视频中、所述热度视频分段前后的至少两个相邻的视频分段分别与所述热度视频分段的分段相似度;
对于每个所述热度视频分段,将对应的所述至少两个相邻的视频分段中、与所述热度视频分段的分段相似度大于或者等于预设相似度阈值的视频分段,与所述热度视频分段合并,生成所述长视频分段。
20.根据权利要求19所述的装置,其特征在于,所述长分段生成单元,用于:
对于每个所述热度视频分段,根据各所述相邻的视频分段与所述热度视频分段的台词相关度、画面内容相关度、主题相关度、弹幕相关度、音频相关度以及画面色彩相关度中的至少一个,计算各所述相邻的视频分段与所述热度视频分段的分段相似度。
21.根据权利要求18所述的装置,其特征在于,所述长分段生成单元,用于:
对于每个所述热度视频分段,以对应的所述热度视频分段为聚类中心,按照所述多个视频分段中所述目标影视剧的视频中距离所述热度视频分段由近到远的顺序,依次在所述热度视频分段的向前和/或向后两个方向上取前相邻视频分段和/或后相邻视频分段,并将与所述热度视频分段的分段相似度大于或者等于预设相似度阈值的所述前相邻视频分段和/或所述后相邻视频分段,与所述热度视频分段聚类在一起,形成长视频分段,直至向前或者向后方向上获取的前相邻视频分段或后相邻视频分段、与所述热度视频分段的分段相似度小于所述预设相似度阈值,停止对应方向上的聚类处理,直到两个方向上的聚类处理都结束时,得到相应的所述长视频分段。
22.根据权利要求17所述的装置,其特征在于,所述片段生成模块,包括:
计算单元,用于计算所述多个视频分段中每两个视频分段的分段相似度;
备选分段获取单元,用于将所述多个视频分段中、所述分段相似度大于预设相似度阈值的各个所述视频分段合并为备选长视频分段,共得到多个备选长视频分段;
热度设置单元,用于对于每个所述备选长视频分段,取所包括的各所述视频分段的热度的最高值,作为所述备选长视频分段的热度;
第二拼接单元,用于从所述多个备选长视频分段中获取热度最高的前N个拼接,生成所述目标视频片段。
23.一种计算机设备,其特征在于,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-11中任一所述的方法。
24.一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-11中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910406188.2A CN110234037B (zh) | 2019-05-16 | 2019-05-16 | 视频片段的生成方法及装置、计算机设备及可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910406188.2A CN110234037B (zh) | 2019-05-16 | 2019-05-16 | 视频片段的生成方法及装置、计算机设备及可读介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110234037A true CN110234037A (zh) | 2019-09-13 |
CN110234037B CN110234037B (zh) | 2021-08-17 |
Family
ID=67860687
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910406188.2A Active CN110234037B (zh) | 2019-05-16 | 2019-05-16 | 视频片段的生成方法及装置、计算机设备及可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110234037B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110602552A (zh) * | 2019-09-16 | 2019-12-20 | 广州酷狗计算机科技有限公司 | 视频合成的方法、装置、终端及计算机可读存储介质 |
CN110851621A (zh) * | 2019-10-31 | 2020-02-28 | 中国科学院自动化研究所 | 基于知识图谱预测视频精彩级别的方法、装置及存储介质 |
CN111050191A (zh) * | 2019-12-30 | 2020-04-21 | 腾讯科技(深圳)有限公司 | 一种视频生成方法、装置、计算机设备和存储介质 |
CN111447505A (zh) * | 2020-03-09 | 2020-07-24 | 咪咕文化科技有限公司 | 视频剪辑方法、网络设备及计算机可读存储介质 |
CN111680189A (zh) * | 2020-04-10 | 2020-09-18 | 北京百度网讯科技有限公司 | 影视剧内容检索方法和装置 |
CN111800673A (zh) * | 2020-07-31 | 2020-10-20 | 聚好看科技股份有限公司 | 视频播放方法、显示设备及服务器 |
CN111935503A (zh) * | 2020-06-28 | 2020-11-13 | 百度在线网络技术(北京)有限公司 | 短视频生成方法、装置、电子设备和存储介质 |
CN111954087A (zh) * | 2020-08-20 | 2020-11-17 | 腾讯科技(深圳)有限公司 | 视频中图像的截取方法和装置、存储介质和电子设备 |
CN112215118A (zh) * | 2020-09-30 | 2021-01-12 | 华人运通(上海)云计算科技有限公司 | 车辆传感器数据特征自动提取方法、装置及计算机可读存储介质 |
CN113468431A (zh) * | 2021-07-22 | 2021-10-01 | 咪咕数字传媒有限公司 | 基于用户行为的内容推荐方法及装置 |
CN113747241A (zh) * | 2021-09-13 | 2021-12-03 | 深圳市易平方网络科技有限公司 | 基于弹幕统计的视频片段智能剪辑方法、装置、终端 |
CN114245229A (zh) * | 2022-01-29 | 2022-03-25 | 北京百度网讯科技有限公司 | 一种短视频制作方法、装置、设备以及存储介质 |
CN114257874A (zh) * | 2020-09-24 | 2022-03-29 | 腾讯科技(深圳)有限公司 | 视频播放速度的控制方法、装置、电子设备及存储介质 |
CN114363673A (zh) * | 2022-01-10 | 2022-04-15 | 北京百度网讯科技有限公司 | 视频裁剪方法、模型训练方法及装置 |
CN114630141A (zh) * | 2022-03-18 | 2022-06-14 | 北京达佳互联信息技术有限公司 | 视频处理方法及相关设备 |
CN115065865A (zh) * | 2022-06-23 | 2022-09-16 | 北京奇艺世纪科技有限公司 | 一种视频合成方法、装置、电子设备及存储介质 |
WO2023030269A1 (zh) * | 2021-08-30 | 2023-03-09 | 维沃移动通信(杭州)有限公司 | 音视频处理方法、装置、电子设备及可读存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120076357A1 (en) * | 2010-09-24 | 2012-03-29 | Kabushiki Kaisha Toshiba | Video processing apparatus, method and system |
CN103942226A (zh) * | 2013-01-23 | 2014-07-23 | 腾讯科技(深圳)有限公司 | 获取热点内容的方法和装置 |
US8872979B2 (en) * | 2002-05-21 | 2014-10-28 | Avaya Inc. | Combined-media scene tracking for audio-video summarization |
CN105141982A (zh) * | 2015-08-13 | 2015-12-09 | 天脉聚源(北京)传媒科技有限公司 | 一种生成热门节目的epg的方法及装置 |
CN107071587A (zh) * | 2017-04-25 | 2017-08-18 | 腾讯科技(深圳)有限公司 | 视频片段的获取方法及装置 |
CN108419145A (zh) * | 2018-05-04 | 2018-08-17 | 腾讯科技(深圳)有限公司 | 一种视频摘要的生成方法和装置以及计算机可读存储介质 |
US20180329928A1 (en) * | 2017-05-15 | 2018-11-15 | Facebook, Inc. | Video heat maps personalized for online system users |
CN109040796A (zh) * | 2018-08-17 | 2018-12-18 | 深圳市迅雷网络技术有限公司 | 内容片段热度的计算方法、影音内容的播放方法及装置 |
CN109104642A (zh) * | 2018-09-26 | 2018-12-28 | 北京搜狗科技发展有限公司 | 一种视频生成方法及装置 |
CN109218835A (zh) * | 2018-09-30 | 2019-01-15 | 百度在线网络技术(北京)有限公司 | 精华视频的生成方法、装置、设备及存储介质 |
CN109657116A (zh) * | 2018-11-12 | 2019-04-19 | 平安科技(深圳)有限公司 | 一种舆情搜索方法、搜索装置、存储介质和终端设备 |
-
2019
- 2019-05-16 CN CN201910406188.2A patent/CN110234037B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8872979B2 (en) * | 2002-05-21 | 2014-10-28 | Avaya Inc. | Combined-media scene tracking for audio-video summarization |
US20120076357A1 (en) * | 2010-09-24 | 2012-03-29 | Kabushiki Kaisha Toshiba | Video processing apparatus, method and system |
CN103942226A (zh) * | 2013-01-23 | 2014-07-23 | 腾讯科技(深圳)有限公司 | 获取热点内容的方法和装置 |
CN105141982A (zh) * | 2015-08-13 | 2015-12-09 | 天脉聚源(北京)传媒科技有限公司 | 一种生成热门节目的epg的方法及装置 |
CN107071587A (zh) * | 2017-04-25 | 2017-08-18 | 腾讯科技(深圳)有限公司 | 视频片段的获取方法及装置 |
US20180329928A1 (en) * | 2017-05-15 | 2018-11-15 | Facebook, Inc. | Video heat maps personalized for online system users |
CN108419145A (zh) * | 2018-05-04 | 2018-08-17 | 腾讯科技(深圳)有限公司 | 一种视频摘要的生成方法和装置以及计算机可读存储介质 |
CN109040796A (zh) * | 2018-08-17 | 2018-12-18 | 深圳市迅雷网络技术有限公司 | 内容片段热度的计算方法、影音内容的播放方法及装置 |
CN109104642A (zh) * | 2018-09-26 | 2018-12-28 | 北京搜狗科技发展有限公司 | 一种视频生成方法及装置 |
CN109218835A (zh) * | 2018-09-30 | 2019-01-15 | 百度在线网络技术(北京)有限公司 | 精华视频的生成方法、装置、设备及存储介质 |
CN109657116A (zh) * | 2018-11-12 | 2019-04-19 | 平安科技(深圳)有限公司 | 一种舆情搜索方法、搜索装置、存储介质和终端设备 |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110602552B (zh) * | 2019-09-16 | 2022-02-22 | 广州酷狗计算机科技有限公司 | 视频合成的方法、装置、终端及计算机可读存储介质 |
CN110602552A (zh) * | 2019-09-16 | 2019-12-20 | 广州酷狗计算机科技有限公司 | 视频合成的方法、装置、终端及计算机可读存储介质 |
CN110851621A (zh) * | 2019-10-31 | 2020-02-28 | 中国科学院自动化研究所 | 基于知识图谱预测视频精彩级别的方法、装置及存储介质 |
CN110851621B (zh) * | 2019-10-31 | 2023-10-13 | 中国科学院自动化研究所 | 基于知识图谱预测视频精彩级别的方法、装置及存储介质 |
CN111050191A (zh) * | 2019-12-30 | 2020-04-21 | 腾讯科技(深圳)有限公司 | 一种视频生成方法、装置、计算机设备和存储介质 |
CN111447505A (zh) * | 2020-03-09 | 2020-07-24 | 咪咕文化科技有限公司 | 视频剪辑方法、网络设备及计算机可读存储介质 |
CN111680189A (zh) * | 2020-04-10 | 2020-09-18 | 北京百度网讯科技有限公司 | 影视剧内容检索方法和装置 |
CN111680189B (zh) * | 2020-04-10 | 2023-07-25 | 北京百度网讯科技有限公司 | 影视剧内容检索方法和装置 |
CN111935503A (zh) * | 2020-06-28 | 2020-11-13 | 百度在线网络技术(北京)有限公司 | 短视频生成方法、装置、电子设备和存储介质 |
CN111800673A (zh) * | 2020-07-31 | 2020-10-20 | 聚好看科技股份有限公司 | 视频播放方法、显示设备及服务器 |
CN111954087A (zh) * | 2020-08-20 | 2020-11-17 | 腾讯科技(深圳)有限公司 | 视频中图像的截取方法和装置、存储介质和电子设备 |
CN111954087B (zh) * | 2020-08-20 | 2021-05-11 | 腾讯科技(深圳)有限公司 | 视频中图像的截取方法和装置、存储介质和电子设备 |
CN114257874A (zh) * | 2020-09-24 | 2022-03-29 | 腾讯科技(深圳)有限公司 | 视频播放速度的控制方法、装置、电子设备及存储介质 |
CN114257874B (zh) * | 2020-09-24 | 2023-05-12 | 腾讯科技(深圳)有限公司 | 视频播放速度的控制方法、装置、电子设备及存储介质 |
CN112215118B (zh) * | 2020-09-30 | 2022-12-27 | 华人运通(上海)云计算科技有限公司 | 车辆传感器数据特征自动提取方法、装置及计算机可读存储介质 |
CN112215118A (zh) * | 2020-09-30 | 2021-01-12 | 华人运通(上海)云计算科技有限公司 | 车辆传感器数据特征自动提取方法、装置及计算机可读存储介质 |
CN113468431B (zh) * | 2021-07-22 | 2024-06-04 | 咪咕数字传媒有限公司 | 基于用户行为的内容推荐方法及装置 |
CN113468431A (zh) * | 2021-07-22 | 2021-10-01 | 咪咕数字传媒有限公司 | 基于用户行为的内容推荐方法及装置 |
WO2023030269A1 (zh) * | 2021-08-30 | 2023-03-09 | 维沃移动通信(杭州)有限公司 | 音视频处理方法、装置、电子设备及可读存储介质 |
CN113747241A (zh) * | 2021-09-13 | 2021-12-03 | 深圳市易平方网络科技有限公司 | 基于弹幕统计的视频片段智能剪辑方法、装置、终端 |
CN114363673A (zh) * | 2022-01-10 | 2022-04-15 | 北京百度网讯科技有限公司 | 视频裁剪方法、模型训练方法及装置 |
EP4210334A3 (en) * | 2022-01-10 | 2023-08-16 | Beijing Baidu Netcom Science Technology Co., Ltd. | Video clipping method, model training method and device |
CN114363673B (zh) * | 2022-01-10 | 2022-12-27 | 北京百度网讯科技有限公司 | 视频裁剪方法、模型训练方法及装置 |
CN114245229A (zh) * | 2022-01-29 | 2022-03-25 | 北京百度网讯科技有限公司 | 一种短视频制作方法、装置、设备以及存储介质 |
CN114245229B (zh) * | 2022-01-29 | 2024-02-06 | 北京百度网讯科技有限公司 | 一种短视频制作方法、装置、设备以及存储介质 |
CN114630141A (zh) * | 2022-03-18 | 2022-06-14 | 北京达佳互联信息技术有限公司 | 视频处理方法及相关设备 |
CN115065865A (zh) * | 2022-06-23 | 2022-09-16 | 北京奇艺世纪科技有限公司 | 一种视频合成方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110234037B (zh) | 2021-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110234037A (zh) | 视频片段的生成方法及装置、计算机设备及可读介质 | |
Pont-Tuset et al. | Connecting vision and language with localized narratives | |
Li et al. | Learning to answer questions in dynamic audio-visual scenarios | |
Money et al. | Video summarisation: A conceptual framework and survey of the state of the art | |
US10846752B2 (en) | Systems and methods for managing interactive features associated with multimedia | |
Kipp | Multimedia annotation, querying, and analysis in ANVIL | |
Cour et al. | Movie/script: Alignment and parsing of video and text transcription | |
Park et al. | Social network analysis in a movie using character-net | |
US9332319B2 (en) | Amalgamating multimedia transcripts for closed captioning from a plurality of text to speech conversions | |
CN101300567B (zh) | 在Web上的媒体共享和创作的方法 | |
CN106407484B (zh) | 一种基于弹幕语义关联的视频标签提取方法 | |
US20120078899A1 (en) | Systems and methods for defining objects of interest in multimedia content | |
EP2896043B1 (en) | Inter-stream audio/video synchronisation of social media | |
Odijk et al. | Feeding the second screen: Semantic linking based on subtitles | |
US20120078712A1 (en) | Systems and methods for processing and delivery of multimedia content | |
WO2021169459A1 (zh) | 短视频的生成方法、平台、电子设备及存储介质 | |
US20120075490A1 (en) | Systems and methods for determining positioning of objects within a scene in video content | |
WO2003088665A1 (fr) | Dispositif d'edition de metadonnees, dispositif de reproduction de metadonnees, dispositif de distribution de metadonnees, dispositif de recherche de metadonnees, dispositif d'etablissement de conditions de reproduction de metadonnees, et procede de distribution de metadonnees | |
US20220189173A1 (en) | Generating highlight video from video and text inputs | |
Qi et al. | Fakesv: A multimodal benchmark with rich social context for fake news detection on short video platforms | |
Jou et al. | Structured exploration of who, what, when, and where in heterogeneous multimedia news sources | |
Li et al. | Melog: mobile experience sharing through automatic multimedia blogging | |
Snoek et al. | Learning rich semantics from news video archives by style analysis | |
US11769327B2 (en) | Automatically and precisely generating highlight videos with artificial intelligence | |
Li et al. | Multimedia maximal marginal relevance for multi-video summarization |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |