摘要

本文提出了一种新的视频摘要方法，该方法通过引入注意力机制来识别视频中的关键片段，并采用生成对抗学习实现无监督训练。在SUM-GAN模型的基础上，我们首先提出其改进版本（称为SUM-GAN-sl），该版本显著减少了模型的可学习参数数量，支持模型各组件的增量式训练，并采用分步标签驱动策略更新对抗部分。随后，我们以两种方式将注意力机制引入SUM-GAN-sl：（i）在架构的变分自编码器（VAE）中集成注意力层，形成SUM-GAN-VAAE；（ii）用确定性注意力自编码器替代VAE，构建SUM-GAN-AAE。在SumMe和TVSum两个数据集上的实验评估表明，注意力自编码器能够加速模型训练并提升训练稳定性，相较于原始模型显著提升了性能，且所提出的SUM-GAN-AAE在性能上展现出与当前最先进方法相媲美的竞争力。