【技术实现步骤摘要】
视频生成方法及装置、宣传类型视频生成方法及装置
[0001]本申请涉及视频处理
，具体而言，涉及一种视频生成方法及装置、宣传类型视频生成方法及装置。
技术介绍
[0002]相关技术中，在商品详情页的图文文档重建场景中多采用传统的目标检测方法和版面分析方法，但是，传统的目标检测方法需要通过大量数据标注以检测一精准物体(如猫，狗)，但针对本任务，商品详情页中的物体种类繁多，不同的商品都具有不同的特征，难以进行逐一标注并进行训练，会大量消耗人力且无法很好的覆盖所有可能情况；传统的排版分析方法主要用以类似论文或新闻报纸等结构化较好的图像内进行分析，该方法学习某种印刷体文字的特征和报刊文献的排版特征以进行排版分析，但该方法无法用以分析像商品详情页中较为复杂且不规律的排版情况，复杂的底色和大量不同样式的图片文字会让该方法无法准确学习特征。
[0003]分析可知，上述现有技术中主要存在以下尚待解决的问题，导致难以将商品详情页自动重建生成视频数据：1)商品详情页结构复杂，排版较为杂乱，难以识别出精准的图，文，表格等信息用以对目...
【技术保护点】
【技术特征摘要】
1.一种视频生成方法，其特征在于，包括：获取多个原始档案，每个原始档案包括至少一个素材；从所述多个原始档案中提取多个素材以及与所述多个素材对应的标注信息；基于所述标注信息建立与所述多个素材对应的展示结构；利用所述展示结构组合所述多个素材，生成目标视频。2.根据权利要求1所述的视频生成方法，其特征在于，从所述多个原始档案中提取所述多个素材包括：利用感兴趣区域识别方式对所述多个原始档案中的图片块进行检测，得到图片素材；利用光学字符识别方式对所述多个原始档案中的文字块进行检测，以及利用所述文字块的排版规则，得到文本素材；基于所述排版规则对所述图片块和所述文字块进行合并处理，得到图文素材。3.根据权利要求2所述的视频生成方法，其特征在于，基于所述排版规则对所述图片块和所述文字块进行合并处理，得到所述图文素材包括：当所述文字块位于所述图片块内部的第一预设区域，且所述文字块在所述图片块内部的占比大于第一预设阈值时，将所述图片块和所述文字块合并为所述图文素材；当所述文字块位于所述图片块外部的第二预设区域，且所述文字块与所述图片块之间的距离小于第二预设阈值时，将所述图片块和所述文字块合并为所述图文素材。4.根据权利要求1所述的视频生成方法，其特征在于，从所述多个原始档案中提取与所述多个素材对应的标注信息包括：利用第一目标神经网络模型从所述多个原始档案中提取与所述多个素材对应的标注信息。5.根据权利要求4所述的视频生成方法，其特征在于，所述视频生成方法还包括：构建训练数据集，其中，所述训练数据集包括：第一标注数据和第二标注数据，所述第一标注数据是通过机器学习方式得到的标注数据，所述第二标注数据是通过人工标注方式得到的标注数据；采用所述训练数据集对初始神经网络模型进行训练，得到所述第一目标神经网络模型，其中，所述初始神经网络模型是采用初始数据集进行预训练得到的网络模型。6.根据权利要求5所述的视频生成方法，其特征在于，采用所述训练数据集对所述初始神经网络模型进行训练，得到所述第一目标神经网络模型包括：采用所述第一标注数据对所述初始神经网络模型进行第一微调训练，得到中间神经网络模型；采用所述第二标注数据对所述中间神经网络模型进行第二微调训练，得到所述第一目标神经网络模型。7.根据权利要求1所述的视频生成方法，其特征在于，基于所述标注信息建立与所述多个素材对应的展示结构包括：基于所述标注信息和第二目标神经网络模型建立与所述多个素材对应的展示结构。8.根据权利要求7所述的视频生成方法，其特征在于，基于所述标注信息和所述第二目标神经网络模型建立与所述多个素材对应的展示结构包括：基于所述标注信息和所述第二目标神经网络模型对所述多个素材进行聚类处理，得到
多个素材子类；对所述多个素材子类中每个素材子类进行顺序判定，得到...
【专利技术属性】
技术研发人员：刘喜凯，高星，
申请(专利权)人：阿里巴巴新加坡控股有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。