基于递归长短期记忆网络和镜头序列注意网络的视频摘要生成

为解决基于长短期记忆网络LSTM的视频摘要生成方法当输入序列过长时LSTM网络中的记忆单元不能集中在长时间序列的跨度上。通过深度学习的方法研究了一种基于递归长短期记忆网络(ReLSTM)和序列注意(sequential attention,SSA)的视频摘要生成模型用以提高深度学习网络学习时序特征的能力。该模型使用ReLSTM网络提取时间特征。同时,利用SSA动态调整每个视频序列输入到ReLSTM网络中的特征权重。结果表明:在数据集TVSum上F 1-score平均提高2.5%,最高提高0.2%。在数据集SumMe上F 1-score平均提高7.8%,最高提高3.4%。可见本文方法能有效地学习镜头之间的时序特征。

电影节奏浅谈

节奏是运动的产物。我国古代《礼乐记》上说:“节奏,谓或作或止,作则奏之,止则节之。”这同英语中“rhythm”(意译为“律动”、节奏”)的概念是一致的。因此,在电影艺术中,节奏和运动及动作的关系是根本的。这里,既包括拍摄主体本身的运动所形成的节奏,也包括镜头转换、移动拍摄、背景音乐(配乐)和效果声、画面光影和色彩变化,以及变格摄影所形成的节奏。总之,电影艺术时间、空间的一切运动、变换,都是形成电影节奏的因素。但常常被我们忽视掉的,却是一种“叙述性节奏”。所谓“叙述性节奏”。