反向聚焦细粒度多模态语义对齐的视频字幕模型
Reverse-focus fine-grained multimodal semantic alignment for video captioning
江西理工大学 信息工程学院, 江西 赣州 341100
摘要
现有视频字幕方法常通过引入多模态信息，辅助模型从复杂多变的视觉内容中提取关键且细粒度的信息，却忽略了因不同模态间表征差异引发的语义鸿沟问题。为弥合模态间的表征差异，促进跨模态信息有效对齐和高效融合，并提升对细粒度语义信息的提取能力，提出了一个反向聚焦细粒度多模态语义对齐视频字幕模型(Reverse-Focus Fine-Grained Multimodal Semantic Alignment for Video Captioning，RM4Cap)。该模型结合图像-文本对语料库，通过实现视频与图像的语义对齐，间接完成视频与图像-文本对中文本的跨模态对齐，并设计了反向注意力聚焦算法，削弱冗余场景信息的同时，突出不显著目标及其交互关系。实验结果表明，该模型在 MSVD 和 MSRVTT 数据集上，CIDEr 和 BLEU-4 等指标均显著优于现有方法，有效解决了多模态信息融合中的对齐困难和冗余问题，进一步验证了该模型在缩小跨模态语义鸿沟方面的能力。
基金项目
国家自然科学基金资助项目(62361032)
江西省主要学科技术带头人领军人才计划资助项目(20213BCJ22004)
江西省自然科学基金重点项目(20232ACB202011)
多维智能感知与控制江西省重点实验室(2024SSY03161)
江西省研究生创新专项资金项目(YC2023-S657)
出版信息
DOI: 10.19734/j.issn.1001-3695.2024.11.0492
出版期卷: 《计算机应用研究》 优先出版, 2025年第42卷 第7期
发布历史
[2025-03-14] 优先出版
引用本文
蔡霞, 罗会兰, 万斯奇. 反向聚焦细粒度多模态语义对齐的视频字幕模型 [J]. 计算机应用研究, 2025, 42 (7). (2025-03-14). https://doi.org/10.19734/j.issn.1001-3695.2024.11.0492. (Cai Xia, Luo Huilan, Wan Siqi. Reverse-focus fine-grained multimodal semantic alignment for video captioning [J]. Application Research of Computers, 2025, 42 (7). (2025-03-14). https://doi.org/10.19734/j.issn.1001-3695.2024.11.0492. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
