该论文可在 arxiv 上根据 CC 4.0 许可获取。 作者：  （1）延世大学 MIR 实验室 Jiwan Chung（   ）； https://jiwanchung.github.io/  （2）Youngjae Yu，延世大学 MIR 实验室（   ）。 https://jiwanchung.github.io/ 链接表 摘要和简介 方法 实验 相关工作 结论 限制和参考 A. 实验细节 B. 即时样本 A. 实验细节  Story Short 通过 OpenAI API 使用 GPT-3（175B 参数）作为主干。总结视频片段的平均提示处理 ∼ 3000 个标记，而 QA 提示通常需要 ∼ 4000 个标记。对于 CLIPCheck，我们使用单个 NVIDIA A6000 GPU 提取 CLIP 特征并计算余弦相似度：处理 MovieQA 验证分割的视频帧需要 0.5 小时。 计算预算。Long 。所有超参数都是通过分析单个训练样本预先定义的。对于叙述搜索，当 GPT-3 不输出单个索引时，我们使用句子相似度阈值 α ≥ 0.5 来查找情节片段。我们在 CLIPCheck 中使用二元熵阈值 E ′ ≥ 0.4。我们只运行每个实验一次，因为我们的方法是确定性的，并且不易受到初始化随机性的影响。 超参数 本文中我们使用的所有数据集都有预定义的片段边界注释。此外，由于我们对使用预定义边界分割的每个剪辑执行摘要，因此所有情节片段依次具有对齐的剪辑片段。此外，在应用 LSS 之前，我们会过滤掉以下剪辑片段：1. 太短、2. 没有对齐的图像帧或 3. 没有文本上下文，以确保我们可以使用情节摘要检索剪辑片段。 视频分割方案。 我们使用 OpenAI API 访问 GPT-3 语言模型。CLIP 特征是使用 Huggingface 实现计算的（https://huggingface.co/docs/transformers/main/en/model_doc/clip）。 外部库。

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Kinetopgraph.TECH

Read My Stories

kinetograph

該音頻是用故事的原始語言製作的！

长视频问答的“先总结后搜索”方法实验细节

About Author

註釋

標籤

这篇文章刊登在

Related Stories

HackerNoon Decoded: The Top 10 Countries Where HackerNoon Is the Most Active

Floki 的 Valhalla 成为印度环斯里兰卡赛事联合赞助商

架构师指南：构建 AI/ML 数据湖参考架构

如何将您的工作流程提高 10 倍：17 个必备应用程序

HackerNoon Decoded: The Top 10 Countries Where HackerNoon Is the Most Active

Floki 的 Valhalla 成为印度环斯里兰卡赛事联合赞助商

架构师指南：构建 AI/ML 数据湖参考架构

如何将您的工作流程提高 10 倍：17 个必备应用程序

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps