数据集概述
本数据集包含PGL-SUM网络架构的预训练模型，该架构用于视频摘要任务，结合全局与局部注意力机制及位置编码，旨在解决现有方法在长序列帧依赖建模和训练并行化方面的不足。模型在SumMe和TVSum基准数据集上验证了有效性。
文件详解
- 压缩文件：pretrained_models.zip（ZIP格式），解压后包含以下子目录：
- table3_models目录：含单批次训练、人工筛选的预训练模型（.pt格式），对应论文表III结果，按基准数据集（SumMe、TVSum）和数据分割（0-4）分类，文件名含训练轮次信息
- table4_models目录：含全批次训练、自动筛选的预训练模型（.pt格式），对应论文表IV结果，按基准数据集（SumMe、TVSum）和数据分割（0-4）分类，文件名含训练轮次信息
适用场景
- 视频摘要研究：直接使用预训练模型进行视频关键帧提取与摘要生成实验
- 模型性能对比：基于SumMe、TVSum基准数据集复现或扩展论文中的实验结果
- 深度学习应用：作为视频分析相关任务（如动作识别、视频检索）的预训练基础模型
- 注意力机制研究：分析全局-局部注意力结合位置编码在序列建模任务中的效果
