Video Captioning and Summarization have become very popular in the recent years due to advancements in Sequence Modelling, with the resurgence of Long-Short Term Memory networks (LSTMs) and introduction of Gated Recurrent Units (GRUs). Existing architectures extract spatio-temporal features using CNNs and utilize either GRUs or LSTMs to model dependencies with soft attention layers. These attention layers do help in attending to the most prominent features and improve upon the recurrent units, however, these models suffer from the inherent drawbacks of the recurrent units themselves. The introduction of the Transformer model has driven the Sequence Modelling field into a new direction. In this project, we implement a Transformer-based model for Video captioning, utilizing 3D CNN architectures like C3D and Two-stream I3D for video extraction. We also apply certain dimensionality reduction techniques so as to keep the overall size of the model within limits. We finally present our results on the MSVD and ActivityNet datasets for Single and Dense video captioning tasks respectively.


翻译:近年来,随着长期短期内存网络(LSTMs)的死灰复燃和Gated经常单元(GRUs)的引进,在序列模型的出现后,视频描述和总结近年来变得非常流行。现有的结构利用CNN提取时空特征,并利用GRUs或LSTMs以软关注层来模拟依赖关系。这些关注层确实有助于关注最突出的特征并改进经常单元,但是,这些模型受到经常性单元本身固有的缺陷的影响。采用变换器模型将序列模拟字段推向新的方向。在这个项目中,我们采用了基于3DCNN的变换模型,例如C3D和双流I3D用于视频提取。我们还应用了某些降低维度的技术,以便将模型的总体规模限制在一定范围内。我们最后在用于单元和单元视频说明任务的MSVD和活动网络数据集上介绍了我们的结果。

3
下载
关闭预览

相关内容

视频描述生成(Video Caption),就是从视频中自动生成一段描述性文字

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
专知会员服务
59+阅读 · 2020年3月19日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
56+阅读 · 2019年10月17日
注意力机制介绍,Attention Mechanism
专知会员服务
165+阅读 · 2019年10月13日
强化学习最新教程,17页pdf
专知会员服务
167+阅读 · 2019年10月11日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Jointly Improving Summarization and Sentiment Classification
黑龙江大学自然语言处理实验室
3+阅读 · 2018年6月12日
一文读懂「Attention is All You Need」| 附代码实现
PaperWeekly
36+阅读 · 2018年1月10日
【论文】图上的表示学习综述
机器学习研究会
12+阅读 · 2017年9月24日
论文共读 | Attention is All You Need
黑龙江大学自然语言处理实验室
14+阅读 · 2017年9月7日
Arxiv
6+阅读 · 2019年4月8日
Arxiv
6+阅读 · 2019年4月4日
Universal Transformers
Arxiv
5+阅读 · 2019年3月5日
Arxiv
25+阅读 · 2017年12月6日
VIP会员
相关VIP内容
相关论文
Top
微信扫码咨询专知VIP会员