基于知識蒸餾的視頻描述輕量化模型及性能優(yōu)化

打開文本圖片集

關(guān)鍵詞：視頻描述生成；模型壓縮；輕量化；知識蒸餾；預(yù)訓(xùn)練模型

中圖分類號：ＴＰ３９１． １ 文獻標志碼：Ａ 開放科學（資源服務(wù)）標識碼（ＯＳＩＤ）：

文章編號：１００３－３１０６（２０２４）１１－２５４７－１１

０引言

視頻描述生成是計算機視覺和自然語言處理中一項具有挑戰(zhàn)性的任務(wù)，旨在生成給定視頻內(nèi)容的文本描述［１－３］，能為視覺受損或聽力受損的人士提供無障礙服務(wù)、自動化內(nèi)容審查系統(tǒng)識別不當或違規(guī)內(nèi)容、為非母語觀眾自動生成字幕描述等［４］。（剩余9428字）