[发明专利]用于生成视频的评论信息的方法和装置在审
申请号: | 201811455652.9 | 申请日: | 2018-11-30 |
公开(公告)号: | CN109543068A | 公开(公告)日: | 2019-03-29 |
发明(设计)人: | 陈家泽;李磊;马维英;黄海龙;杜玉姣 | 申请(专利权)人: | 北京字节跳动网络技术有限公司 |
主分类号: | G06F16/73 | 分类号: | G06F16/73;G06F16/732 |
代理公司: | 北京英赛嘉华知识产权代理有限责任公司 11204 | 代理人: | 王达佐;马晓亚 |
地址: | 100041 北京市石景山区*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 评论信息 帧图像序列 帧图像 视频 方法和装置 特征信息 视频解析 自动生成 申请 | ||
本申请实施例公开了用于生成视频的评论信息的方法和装置。该方法的一具体实施方式包括:获取待处理视频;将待处理视频解析为帧图像序列;对于帧图像序列中的帧图像,提取该帧图像的特征信息;基于帧图像序列中的帧图像的特征信息,生成待处理视频的评论信息。该实施方式实现了评论信息的自动生成。
技术领域
本申请实施例涉及计算机技术领域,具体涉及用于生成视频的评论信息的方法和装置。
背景技术
随着互联网的不断发展,网上的各类视频也越来越多。为便于用户了解这些视频,往往需要展现这些视频的评论信息。目前,这些评论信息一般由用户人工输入或通过输入一些预设的固定语句得到。
发明内容
本申请实施例提出了用于生成视频的评论信息的方法和装置。
第一方面,本申请实施例提供了一种用于生成视频的评论信息的方法,该方法包括:获取待处理视频;将待处理视频解析为帧图像序列;对于帧图像序列中的帧图像,提取该帧图像的特征信息;基于帧图像序列中的帧图像的特征信息,生成待处理视频的评论信息。
在一些实施例中,提取该帧图像的特征信息,包括:将该帧图像输入预先训练的特征提取模型,得到该帧图像的特征向量,其中,特征提取模型用于表征图像与图像的特征向量的对应关系;以及基于帧图像序列中的帧图像的特征信息,生成待处理视频的评论信息,包括:基于帧图像序列中的帧图像的特征向量,生成待处理视频的评论信息。
在一些实施例中,提取该帧图像的特征信息,包括:将该帧图像输入预先训练的关键字提取模型,得到用于表示该帧图像中所显示的内容的关键字,其中,关键字提取模型用于表征图像与图像中所显示的内容的关键字的对应关系;以及基于帧图像序列中的帧图像的特征信息,生成待处理视频的评论信息,包括:基于帧图像序列中的帧图像的关键字,生成待处理视频的评论信息。
在一些实施例中,基于帧图像序列中的帧图像的关键字,生成待处理视频的评论信息,包括:将帧图像序列中的帧图像的关键字输入预先训练的评论信息生成模型,得到待处理视频的评论信息,其中,评论信息生成模型用于表征图像的关键字与视频的评论信息的对应关系。
在一些实施例中,基于帧图像序列中的帧图像的特征信息,生成待处理视频的评论信息,包括:响应于确定帧图像序列中的帧图像的特征信息符合预设条件,将该帧图像确定为候选帧图像;基于候选帧图像的特征信息,生成待处理视频的评论信息。
第二方面,本申请实施例提供了一种用于生成视频的评论信息的装置,该装置包括:获取单元,被配置成获取待处理视频;解析单元,被配置成将待处理视频解析为帧图像序列;提取单元,被配置成对于帧图像序列中的帧图像,提取该帧图像的特征信息;生成单元,被配置成基于帧图像序列中的帧图像的特征信息,生成待处理视频的评论信息。
在一些实施例中,提取单元被进一步配置成:将该帧图像输入预先训练的特征提取模型,得到该帧图像的特征向量,其中,特征提取模型用于表征图像与图像的特征向量的对应关系;以及生成单元被进一步配置成:基于帧图像序列中的帧图像的特征向量,生成待处理视频的评论信息。
在一些实施例中,提取单元被进一步配置成:将该帧图像输入预先训练的关键字提取模型,得到用于表示该帧图像中所显示的内容的关键字,其中,关键字提取模型用于表征图像与图像中所显示的内容的关键字的对应关系;以及生成单元被进一步配置成:基于帧图像序列中的帧图像的关键字,生成待处理视频的评论信息。
在一些实施例中,生成单元被进一步配置成:将帧图像序列中的帧图像的关键字输入预先训练的评论信息生成模型,得到待处理视频的评论信息,其中,评论信息生成模型用于表征图像的关键字与视频的评论信息的对应关系。
在一些实施例中,生成单元进一步被配置成:响应于确定帧图像序列中的帧图像的特征信息符合预设条件,将该帧图像确定为候选帧图像;基于候选帧图像的特征信息,生成待处理视频的评论信息。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京字节跳动网络技术有限公司,未经北京字节跳动网络技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811455652.9/2.html,转载请声明来源钻瓜专利网。