CAM-RNN：基于RNN的视频字幕共同注意力模型_co-attention model based rnn for video captioninin

作者：笔触狂放9 | 2024-07-17 08:37:11

踩

co-attention model based rnn for video captionining

CAM-RNN: Co-Attention Model Based RNN for Video Captioning

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：

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/笔触狂放9/article/detail/839044