赞
踩
1.提出了一个两层的视觉注意力模型,能够自动关注最相关的帧和每一帧中突出的区域。
2.提出了一个短语级别的文本注意力模型。
3.提出了平衡门,平衡视觉注意力和文本注意力之间的影响大小。
视频字幕目前有的问题:1.尽管加入了视觉注意力机制,但是仍然有一些不相关的背景信息。
2.对于文本注意力机制,前面的工作大多是基于之前单个单词的注意力机制。
四个部分1.视觉注意力模型2.文本注意力模型3.平衡门4.基于LSTM网络的字幕产生器。
RNN:
LSTM:
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。