数据集概述
本数据集包含CA-SUM网络架构的预训练模型，该架构用于无监督视频摘要任务，源自ICMR 2022论文提出的方法。模型通过集中注意力机制结合帧的独特性与多样性估计，提升摘要质量，支持基于SumMe和TVSum基准数据集的推理应用。
文件详解
- 压缩包文件：pretrained_models.zip
- 文件格式：ZIP
- 内容结构：解压后生成pretrained_models文件夹，包含SumMe和TVSum两个子目录（对应两个基准数据集）；每个子目录下有split0-split4共5个数据分割的预训练模型文件（.pt格式），文件名包含训练轮次和长度正则化因子信息。
数据来源
Zenodo平台（论文关联资源），论文标题“Summarizing Videos using Concentrated Attention and Considering the Uniqueness and Diversity of the Video Frames”
适用场景
- 无监督视频摘要研究：用于测试CA-SUM模型在视频摘要任务中的性能，对比不同基准数据集的结果。
- 模型复现与验证：支持基于SumMe、TVSum数据集的模型推理，复现论文实验结果。
- 视频摘要算法优化：通过分析预训练模型的结构与参数，优化集中注意力机制或帧特征估计方法。
- 计算机视觉教学演示：作为视频摘要领域的典型模型案例，用于相关技术的教学与实践。
