- 综合排序
- 最热优先
- 最新优先
- 来自专栏数据派THU
从视频到语言: 视频标题生成与描述研究综述
来源：专知本文约5000字，建议阅读9分钟最新视频视频标题生成与描述研究综述论文。 视频标题生成与描述是使用自然语言对视频进行总结与重新表达. 视频标题生成与描述研究历史较为悠久. 在每类方法中, 首先对视频简单描述模型进行了举例与概括, 然后对视频密集描述、段落描述等精细化表达模型做了分析与总结. 基于神经网络的视频描述 基于模板或规则的视频描述方法其弊端较为明显, 生成的描述句子在语法结构、语义表达等方面都不够灵活. , 或为部分视频生成密集描述/结构化描述语句, 推进了视频标题生成与描述任务的进展.
82040编辑于 2022-03-04 - 来自专栏CreateAMind
文字描述生成视频的开源项目
文字condition 视频 Attentive Semantic Video Generation using Captions Tensorflow implementation for the paper
91120发布于 2018-07-24 - 来自专栏EasyNVR
RTSPOnvif协议视频平台EasyNVR如何修改运行服务描述？
EasyNVR是基于RTSP/Onvif协议接入的视频平台，可支持将接入的视频流进行全平台、全终端的分发，包括RTSP、RTMP、HTTP-FLV、WS-FLV、HLS、WebRTC等。 平台部署轻快、兼容性高、可拓展性强，功能丰富灵活，在安防视频监控市场上 为了便于用户更加清晰地使用和操作EasyNVR，我们对EasyNVR的运行服务均有比较详细的描述，方便使用者快速了解运行中的各种 “服务”： 运行EasyNVR服务后的模块描述为： 为了便于观看和理解，EasyNVR也支持用户自主修改服务描述。 如下图，在easynvr.ini和tsingsee.ini配置文件中，修改display_name= ： 修改完，重启服务后即可生效，如图： 用户可以根据自己的项目需求，对服务描述进行修改。 EasyNVR是我们软硬一体的产品，既有软件版，也有硬件版，都具备视频监控实时直播、视频分发、录像、检索与回放、云存储、级联等能力。
38740编辑于 2022-05-12 - 来自专栏TSINGSEE青犀视频
RTSPOnvif协议视频平台EasyNVR如何修改运行服务描述？
EasyNVR是基于RTSP/Onvif协议接入的视频平台，可支持将接入的视频流进行全平台、全终端的分发，包括RTSP、RTMP、HTTP-FLV、WS-FLV、HLS、WebRTC等。 平台部署轻快、兼容性高、可拓展性强，功能丰富灵活，在安防视频监控市场上，受到的关注越来越多。 为了便于用户更加清晰地使用和操作EasyNVR，我们对EasyNVR的运行服务均有比较详细的描述，方便使用者快速了解运行中的各种“服务”： 运行EasyNVR服务后的模块描述为： 为了便于观看和理解 ，EasyNVR也支持用户自主修改服务描述。 EasyNVR既有软件版，也有硬件版，都具备视频监控实时直播、视频分发、录像、检索与回放、云存储、级联等能力。在应用上，EasyNVR可以用在智慧工厂、智慧工地、智慧园区、智慧港口等场景中。
43220编辑于 2022-05-11 - 来自专栏Czy‘s Blog
描述
描述 webpack是一个现代JavaScript应用程序的静态模块打包器module bundler，当webpack处理应用程序时，它会递归地构建一个依赖关系图dependency graph，其中包含应用程序需要的每个模块
1.3K20编辑于 2022-05-06 - 来自专栏AIGC 先锋科技
多角度视频描述：FIOVA基准推动LVLMs向人类水平迈进 ！
视频描述是评估视频理解能力的基本任务，需要深入理解空间和时间动态，这对人类和机器都具有挑战性。 这引发了一个基本问题：“ 视频基础的 LVLMs 能否像人类一样全面描述视频？ ” 视频字幕 ；Ramanishka等人是评估模型感知、理解和生成有意义视频描述能力的关键任务。 总共，FIOVA包含了3,002个三元组（即3,002个视频，15,010个人机原始描述和3,002个 GT 描述）。 每段视频序列都配对有五个由人工标注者撰写的独特英文描述，这些描述是连贯的多句陈述句段落。句子的数量根据视频的复杂程度有所不同，可以详细记录事件和转换。 为了进一步评估模型的性能，作者利用AutoCQ评估了LVLMs的视频描述能力（见表2）。AutoCQ通过提取事件并对模型生成的描述和 GT 描述进行细粒度分割来评估描述。
42210编辑于 2024-12-09 - 来自专栏RTSP/RTMP直播相关
国网B接口调阅实时视频(INVITE)接口描述和消息示例
前面三篇blog分别介绍国网B接口注册、资源上报和资源信息获取，今天过一下国网B接口调阅实时视频相关的接口描述和消息示例，做过GB28181设备接入的都知道，国网B接口调阅实时视频流程和GB28181的基本一致的 ，区别在于SDP的一些参数描述，有些差别，举个例子，调阅实时视频，GB28181的SDP里面“s=Play”，国网B接口SDP取值定义“s=-”，如果严格按照规范来，估计好多系统都没法正常接入。 接口描述国网B接口调阅实时视频，相关规范写的比较粗略：调阅实时视频包括信令接口和媒体流接口，采用标准的SIP INVITE+SDP流程，媒体传输使用RTP/RTCP。 SDP 中 RTP Payload 的取值应遵守下面接口参数中的定义：a） SDP 中的媒体信息，应仅有一个 m 行，用于描述视频格式。 平台应支持视频流的分发，以降低对前端系统的操作频繁性和节省网络带宽。调阅实时视频的接口流程图片主要功能流程如下： a） F1：用户发送 INVITE 消息，携带 SDP 内容通过平台转发到前端设备。
1.9K30编辑于 2022-10-26 - 来自专栏授客的专栏
需求描述
基于flock命令实现多进程并发读写文件控制 需求描述 实际项目中，需要在Linux下通过shell脚本并发读写同一个文件，但是希望同一时刻，只有一个进程可以在读、写目标文件。 会一直等待直到获取锁 -E --conflict-exit-code <number> 冲突或者超时导致程序退出时的退出状态码 -o --close 运行命令前，关闭文件描述符
93720编辑于 2022-05-06 - 来自专栏我爱计算机视觉
ICCV2023｜新数据集 MeViS：基于动作描述的视频分割
然而，当面对复杂场景的视频以及包含动作行为等描述信息的自然语句时，比如 “找出违规掉头的那些车辆” ，模型是否能够准确地从视频中找到并分割出这些目标物体呢？ 相对于现有的RVOS数据集，MeViS的主要特点 是使用自然语句来描述物体的动态特征，并显著增加视频场景复杂性 。 MeViS数据集简介 MeViS包含共2,006个视频，对视频集中的8,171个物体提供了总共28,570个自然描述语句。 MeViS句子所描述的物体“那些转身的长颈鹿”需要观察一段视频才能找到，Refer-YouTube-VOS由于视频难度的原因，即使提供了动态描述，也可以通过类别名称，如“人”，在单帧图像中找到。 这突显了动态特征描述在视频理解中的实用性、必要性和重要性 。
84920编辑于 2023-10-23 - 来自专栏编程进阶实战
需求描述
需求描述 需要调用第三方图片上传接口上传图片，对方图片格式只能接收Base64字符串。所以我们需要将系统服务器的图片通过Url下载下来，然后转换成Base64字符串。
47930编辑于 2023-06-16 - 来自专栏WeiMLing
题目描述
题目描述 输入两棵二叉树A，B，判断B是不是A的子结构。（ps：我们约定空树不是任意一个树的子结构） 一 .
54620编辑于 2022-05-06 - 来自专栏从零开始学 Web 前端
问题描述：
问题描述： 最近发现一个问题就是不管是提交新增的代码还是修改后提交的代码在github的contributions上都不显示贡献小绿块。
38330编辑于 2022-11-28 - 来自专栏全栈程序员必看
屏蔽自动更新描述文件(屏蔽描述文件)
关于iOS屏蔽系统升级的描述文件在几个月前失效的事情大家都清楚了，苹果先是让描述文件失效，然后重新分享的屏蔽升级描述文件也相继的失效，之后也没有新的文件出来。 就是能够在线安装屏蔽描述文件，直接了当的解决iOS系统升级的问题，还能屏蔽小红点，昨天已经有机友问过这个问题了，之前最新有效的屏蔽越狱描述文件是只适用于iOS 12.1系统以下屏蔽iOS 13使用。 好消息是，今天新的屏蔽升级描述文件tvOS 13屏蔽系统升级描述文件出来了，适用于iOS 13+系统的屏蔽升级，如果你不确定你的是否能够屏蔽，可以安装试试，然后尝试检查系统更新。 使用方法 下载描述文件——允许配置描述文件下载。 允许之后会自动安装，这个时候打开iPhone的设置，通常新安装的描述文件都会在【设置】的页面提示已安装描述文件。 如果发现没有，可以进入【通用】-【描述文件与设备管理】，找到【tvOS 13】字样。 进入之后点击右上角进行安装即可。
5K10编辑于 2022-07-27 - 来自专栏Python爬虫与算法进阶
Python - 描述器
很多时候我们可能需要对某个实例的属性加上除了修改、访问之外的其他处理逻辑，例如 类型检查、数值校验等，就需要用到描述器 ---《Python Cookbook》 我们可以使用 Python 自带的 property 描述器 Python 有三个特殊方法，__get__、__set__、__delete__，用于覆盖属性的一些默认行为，如果一个类定义了其中一个方法，那么它的实例就是描述器 下面是一个简单的描述器的示例 ，对属性的操作由这个描述器来代理 访问: __get__(self, instance, cls) # instance 代表实例本身，cls 表示类本身，使用类直接访问时，instance 为 None __get__ 和 __set__ 那么就是资料描述器 data descriptor 它们的区别在于，如果实例字典中有与描述器同名的属性，如果是资料描述器，则优先使用资料描述器，否则使用实例字典中的属性 a 忽略了实例字典的值，而非资料描述器则被覆盖 >>> c = C() >>> c.a 'a' >>> c.
1.1K30发布于 2019-05-14 - 来自专栏职场亮哥
Python描述器
引入描述器 以stackoverflow上关于描述器（descriptor ）的疑问开篇。 疑问二：__get__,__set__,__delete__三种方法的参数 疑问三：描述器有哪些应用场景 疑问四：property和描述器的区别是什么？ 疑问一：什么是描述器？ 描述器 事实上是一种代理机制：当一个类变量被定义为描述器，对这个类变量的操作，将由此描述器来代理。 数值校验等，就需要用到描述器 《Python Cookbook》 即描述器主要用来接管对实例变量的操作。 附1、data-descriptor and no-data descriptor 翻译为中文其实就是资料描述器和非资料描述器 data-descriptor：同时实现了__get__和__set__方法的描述器
70120发布于 2020-10-10 - 来自专栏AI软件
NVIDIA英伟达AI图片视频内容描述总结软件describe-anything整合包
本次和大家分享一个英伟达联合其他大学开发的一款应用describe-anything，该应用可以通过AI识别分析并详细描述图片视频中指定区域物体内容，我基于最新版制作了免安装一键启动整合包，下载链接在文章末尾 、细节丰富的自然语言描述。 核心功能与特点精细化区域描述用户可通过点选、涂鸦或掩码指定图像/视频中的任意区域，DAM 自动生成包含纹理、动作、材质等细节的描述（例：“奶牛深棕色皮毛中臀部有一块浅色斑块，行走时尾部簇毛有节奏摆动”） 支持多粒度输出：关键词（物体类别）、短语（属性摘要）、多句详细描述。视频动态追踪仅需在单帧标注区域，即可跨帧追踪目标并描述其状态变化（例：“猴子用右手取食物后双手操作，面部表情专注，眼睛半闭”）。 【视频模式】上传mp4视频，点击load first frame，提取视频第一帧画面，右侧图片中用画笔画出想要识别的内容，点击下方按钮描述即可。
90710编辑于 2025-05-29 - 来自专栏学习小记
视频逐帧读取并保存至指定文件夹（opencv之python描述）
---- 文件存储的形式 代码.py img文件夹（保存视频帧） 视频1文件夹 视频1的每帧图片 视频2文件夹 视频2的每帧图片 …… video文件夹（存储视频文件） 视频1.avi 视频2.avi /video" get_frame(videoPath) 更多opencv处理视频的相关知识
2.1K20发布于 2020-04-14 - 来自专栏机器之心
CVPR 2021 | 准确描述视频内容，腾讯ARC、中科院用「开卷」的思路
机器之心专栏 机器之心编辑部 视频描述相对来说是一个高层的复杂任务，不同的人对同一个视频的描述也不尽相同。这一复杂任务可以借助内部知识或者外部知识来辅助生成。 视频描述任务（Video Captioning），是指给定一段视频，根据视频生成一句客观反映视频内容的一句话。 随着近几年短视频的持续发展，作为视觉 - 文本的跨模态生成式研究，视频描述受到了越来越多的关注。 image.png 检索 - 拷贝 - 生成（Retrieve-Copy-Generate）网络 首先，研究者对比了「视频 - 文本检索」和「视频描述」这两个任务，并认为「视频 - 文本检索」比「视频描述 ，通过度量学习来训练网络，使同一视频所对应的描述距离更近，不相对应的描述距离更远。
1.5K20发布于 2021-03-30 C# winform实现imagecaption图像生成描述图文描述生成
tb_res.Text = "推理耗时：" + sw.Elapsed.TotalSeconds+"秒\r\n推理结果："+result; } } } 视频演示 ： C#实现图文描述生成imagecaption图像生成文字描述_哔哩哔哩_bilibiliC#实现图文描述生成imagecaption图像生成文字描述测试环境为：vs2019net framework4.7.2onnxruntime1.16.3opencvsharp4.8 , 视频播放量 1、弹幕量 0、点赞数 0、投硬币枚数 0、收藏人数 0、转发人数 0, 视频作者 未来自主研究中心, 作者简介 未来自主研究中心，相关视频： https://www.bilibili.com
16210编辑于 2025-07-17- 来自专栏量子位
李飞飞团队提出视频事件描述新模型，附849小时数据集
斯坦福大学的李飞飞与与她的学生Ranjay Krishna、Kenji Hata、Frederic Ren，以及同事Juan Carlos Niebles向ICCV 2017提交论文，提出了一个新模型，可以识别视频中的事件 ，同时用自然语言描述出来。 △ 新模型的原理及应用案例 大多数视频都包含着大量事件。举个例子吧，比如在一段钢琴演奏的视频中，可能不仅仅包含钢琴演奏者，还可能包含着一群跳舞的人，或者一群鼓掌的观众，这些事件很可能是同时发生的。 当一段视频中包含检测内容和描述内容时，我们称它为“字幕密集型事件”。 ? 李飞飞团队的模型，可以利用过去和未来的上下文内容信息，来识别视频中这些事件之间的关系，并把所有事件描述出来。 ? 这个数据集中包含了长达849小时的2万个视频，以及10万条带有开始和结束时间的描述信息，可以用来对字幕密集型事件进行基准测试。
75250发布于 2018-03-30
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号