Soccernet 2023技术报告——密集视频字幕生成
Technical Report for Soccernet 2023 -- Dense Video Captioning
OPPO Research Institute（OPPO研究院）；Tongji University（同济大学）
AI总结：
本研究针对Soccernet数据集的密集视频字幕任务，采用Blip框架生成足球动作字幕，结合多尺寸滑动窗口、时序候选生成与分类实现时间戳定位，完成动作字幕与时间定位的双重任务。
摘要：
针对Soccernet数据集的密集视频字幕生成任务，我们提出为每个足球动作生成视频字幕并定位字幕对应的时间戳。首先，我们采用Blip作为视频字幕框架来生成视频字幕。随后通过三种方式定位时间戳：（1）多尺寸滑动窗口；（2）时序候选框生成；（3）候选框分类。
英文摘要：
In the task of dense video captioning of Soccernet dataset, we propose to generate a video caption of each soccer action and locate the timestamp of the caption. Firstly, we apply Blip as our video caption framework to generate video captions. Then we locate the timestamp by using (1) multi-size sliding windows (2) temporal proposal generation and (3) proposal classification.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
