A knowledge-guided multimodal network for video summarization

2026-04-23

0

PRE

AI

DOI：10.1016/j.eswa.2026.132566

原文求助

摘要

En 中文

• 基于知识的编码器提供高级隐式知识以增强视频摘要。 • 设计了一个从精细到粗略的空间投影模块来建模多粒度多模态表示。 • 预测头保持同一镜头内语义的完整性和平滑性。 • 实验结果证明了所提出模型的有效性。

Keyword:

knowledge-guided

multimodal network

video summarization

representation learning

shot integrity