AIbase

T

Timesformer Bert Video Captioning

由 AlexZigma 开发
基于Timesformer和BERT架构的视频字幕生成模型，能够为视频内容生成描述性字幕。
视频生成文本
Transformers
#视频字幕生成#多模态融合#时序视频理解
下载量 83
发布时间 : 7/12/2023
模型介绍
内容详情
替代品

模型简介

该模型结合了Timesformer的视频理解能力和BERT的语言生成能力，用于自动生成视频内容的描述性字幕。

模型特点

多模态理解
结合视觉和语言模型，能够理解视频内容并生成相应字幕。
高效训练
使用Adam优化器和线性学习率调度器，在较短时间内完成训练。
性能优化
通过多轮训练不断优化模型性能，胭脂和蓝值指标逐步提升。

模型能力

视频内容理解
自动字幕生成
多模态数据处理

使用案例

媒体与娱乐
视频自动字幕生成
为视频内容自动生成描述性字幕，提升可访问性。
胭脂1得分30.0468，蓝值4.8298
教育
教学视频字幕生成
自动为教育视频生成字幕，辅助学习过程。