内容理解：技术、算法与实践

作者简介

14.5 本章小结

14.4 业务案例

14.3.6 多模态

14.3.5 用户行为

14.3.4 举报

14.3.3 匹配

14.3.2 模型

14.3.1 关键词

14.3 主要技术手段

14.2 业界常用产品

14.1.2 问题定义

14.1.1 研究背景

14.1 研究背景与问题定义

第14章 图文低俗识别

13.5 本章小结

13.4 相关论文介绍

13.3 数据集

13.2 未来研究方向

13.1.4 基于传播源特征

13.1.3 基于传播模式

13.1.2 基于内容风格

13.1.1 基于内容真实性

13.1 基本方法

第13章 假新闻

12.5 本章小结

12.4.2 深度学习

12.4.1 特征构造

12.4 相关论文介绍

12.3 数据集

12.2.3 模型方面的研究

12.2.2 特征构造方面的研究

12.2.1 数据方面的研究

12.2 标题党研究方向

12.1.3 基于文章整体内容建模

12.1.2 基于标题建模

12.1.1 业务定义

12.1 模型构建

第12章 标题党

第三部分 内容质量

11.4 本章小结

11.3.3 基于音乐合成视觉叙事镜头

11.3.2 根据音乐生成视觉节奏

11.3.1 音乐驱动视频蒙太奇

11.3 音乐驱动视频编辑

11.2.2 基于解说文本的旅游视频编辑

11.2.1 基于主题文本编辑的视频蒙太奇

11.2 文本驱动视频编辑

11.1.3 视频特效合成系统实践

11.1.2 基于剪辑元素属性约束的视频编辑

11.1.1 基于模板的电视报道视频编辑

11.1 结构化数据视频编辑

第11章 视频编辑

10.5 本章小结

10.4.4 表情包合成应用

10.4.3 表情包合成算法

10.4.2 表情包自动合成的意义及挑战

10.4.1 表情包特性

10.4 AI表情包合成

10.3.3 二维-三维人体姿态转换

10.3.2 二维多目标人体姿态估计

10.3.1 研究目标与意义

10.3 AI虚拟人技术

10.2.4 基于深度学习的算法介绍

10.2.3 端到端的语音合成系统

10.2.2 基本的语音合成系统简介

10.2.1 研究目标与意义

10.2 AI语音合成

10.1.3 研究进展

10.1.2 研究难点

10.1.1 研究目标与意义

10.1 AI人脸属性编辑

第10章 AI素材合成

9.3 本章小结

9.2.2 基于神经网络的文本生成技术

9.2.1 基于统计的文本生成模型

9.2 文本生成算法

9.1.4 文本生成质量量化

9.1.3 Encoder-Decoder框架

9.1.2 CFG文法

9.1.1 语言模型

9.1 文本生成的背景知识

第9章 文本生成

8.4 本章小结

8.3.2 智能布局

8.3.1 智能裁剪

8.3 图片设计

8.2.2 扩散模型生成图片

8.2.1 扩散模型

8.2 基于扩散模型的图片生成

8.1.5 高分辨率图片生成

8.1.4 图片迁移

8.1.3 文本转图片

8.1.2 条件图片生成

8.1.1 生成对抗网络

8.1 基于GAN的图片生成

第8章 图片生成

第二部分 内容生成

7.3 本章小结

7.2.12 代码编写范例

7.2.11 内容理解能力

7.2.10 快速服务化

7.2.9 能力优化

7.2.8 自动化数据集构建

7.2.7 计算图网络搭建

7.2.6 计算式网络搭建

7.2.5 开发者模式与用户模式

7.2.4 高度组件化

7.2.3 高度配置化

7.2.2 contentAI框架介绍

7.2.1 框架设计背景

7.2 自研多模态内容理解框架

7.1.2 OmniNet

7.1.1 Tensor2Tensor

7.1 常见的内容理解框架

第7章 内容理解框架

6.5 本章小结

6.4.4 多模态预训练

6.4.3 音频预训练

6.4.2 图像预训练

6.4.1 文本预训练

6.4 大规模预训练技术

6.3.4 模态间协同：虚假新闻识别

6.3.3 模态间推理：零样本图像分类

6.3.2 模态间协同

6.3.1 模态间推理

6.3 多模态内容理解框架

6.2.2 联合表征

6.2.1 因果表征

6.2 多模态表征

6.1.3 研究方向与应用

6.1.2 研究意义与挑战

6.1.1 研究问题

6.1 多模态内容理解的研究方向

第6章 多模态学习与内容理解

5.5 本章小结

5.4.5 研究进展

5.4.4 视频结构的划分方法

5.4.3 基于视频结构化的数据集

5.4.2 研究难点

5.4.1 研究目标与意义

5.4 视频结构化分析

5.3.3 研究进展

5.3.2 研究难点

5.3.1 研究目标与意义

5.3 视频时序动作定位

5.2.3 研究进展

5.2.2 研究难点

5.2.1 研究目标与意义

5.2 视频动作识别

5.1.2 研究进展

5.1.1 研究目标与意义

5.1 视频表征

第5章 视频理解

4.6 本章小结

4.5.3 挑战与未来趋势

4.5.2 现状

4.5.1 应用

4.5 文本检测和识别的应用、现状与未来

4.4.3 文本识别评估标准

4.4.2 文本检测评估标准

4.4.1 基准数据集

4.4 数据集和评估标准

4.3.3 半监督技术

4.3.2 文本图像合成技术

4.3.1 不规则文本识别问题

4.3 场景文本算法辅助技术

4.2.5 基于深度学习的端到端系统

4.2.4 基于深度学习的文本识别

4.2.3 基于深度学习的文本检测

4.2.2 基于传统机器学习的文本识别

4.2.1 基于传统机器学习的文本检测

4.2 场景文本算法的现状

4.1.3 未来趋势

4.1.2 研究难点

4.1.1 研究问题

4.1 场景文字的研究方向

第4章 场景文字检测与识别

3.3 本章小结

3.2.4 基于注意力机制的后端模块算法

3.2.3 基于领域知识的CNN

3.2.2 基于RNN的音乐分类

3.2.1 基于CNN的音乐分类

3.2 基于深度学习的音乐分类

3.1.2 基于深度学习的语音表征

3.1.1 基于传统方法的语音表征

3.1 语音表征

第3章 语音理解

2.4 本章小结

2.3 实际应用：通用元素检测框架

2.2.3 目标检测算法

2.2.2 基于OpenCV的模板匹配实现

2.2.1 图像匹配算法

2.2 图像检测

2.1.2 深度学习图像分类算法

2.1.1 传统图像分类算法

2.1 图像分类

第2章 图像理解

1.3 本章小结

1.2.2 文本分类的方法

1.2.1 文本分类的研究背景

1.2 文本分类

1.1.2 文本表示的方法

1.1.1 文本表示的研究背景

1.1 文本表示

第1章 文本内容理解

第一部分 内容理解

前言

作者简介

内容简介

版权信息

封面

封面

版权信息

内容简介

作者简介

前言

第一部分 内容理解

第1章 文本内容理解

1.1 文本表示

1.1.1 文本表示的研究背景

1.1.2 文本表示的方法

1.2 文本分类

1.2.1 文本分类的研究背景

1.2.2 文本分类的方法

1.3 本章小结

第2章 图像理解

2.1 图像分类

2.1.1 传统图像分类算法

2.1.2 深度学习图像分类算法

2.2 图像检测

2.2.1 图像匹配算法

2.2.2 基于OpenCV的模板匹配实现

2.2.3 目标检测算法

2.3 实际应用：通用元素检测框架

2.4 本章小结

第3章 语音理解

3.1 语音表征

3.1.1 基于传统方法的语音表征

3.1.2 基于深度学习的语音表征

3.2 基于深度学习的音乐分类

3.2.1 基于CNN的音乐分类

3.2.2 基于RNN的音乐分类

3.2.3 基于领域知识的CNN

3.2.4 基于注意力机制的后端模块算法

3.3 本章小结

第4章 场景文字检测与识别

4.1 场景文字的研究方向

4.1.1 研究问题

4.1.2 研究难点

4.1.3 未来趋势

4.2 场景文本算法的现状

4.2.1 基于传统机器学习的文本检测

4.2.2 基于传统机器学习的文本识别

4.2.3 基于深度学习的文本检测

4.2.4 基于深度学习的文本识别

4.2.5 基于深度学习的端到端系统

4.3 场景文本算法辅助技术

4.3.1 不规则文本识别问题

4.3.2 文本图像合成技术

4.3.3 半监督技术

4.4 数据集和评估标准

4.4.1 基准数据集

4.4.2 文本检测评估标准

4.4.3 文本识别评估标准

4.5 文本检测和识别的应用、现状与未来

4.5.1 应用

4.5.2 现状

4.5.3 挑战与未来趋势

4.6 本章小结

第5章 视频理解

5.1 视频表征

5.1.1 研究目标与意义

5.1.2 研究进展

5.2 视频动作识别

5.2.1 研究目标与意义

5.2.2 研究难点

5.2.3 研究进展

5.3 视频时序动作定位

5.3.1 研究目标与意义

5.3.2 研究难点

5.3.3 研究进展

5.4 视频结构化分析

5.4.1 研究目标与意义

5.4.2 研究难点

5.4.3 基于视频结构化的数据集

5.4.4 视频结构的划分方法

5.4.5 研究进展

5.5 本章小结

第6章 多模态学习与内容理解

6.1 多模态内容理解的研究方向

6.1.1 研究问题

6.1.2 研究意义与挑战

6.1.3 研究方向与应用

6.2 多模态表征

6.2.1 因果表征

6.2.2 联合表征

6.3 多模态内容理解框架

6.3.1 模态间推理

6.3.2 模态间协同

6.3.3 模态间推理：零样本图像分类

6.3.4 模态间协同：虚假新闻识别

6.4 大规模预训练技术

6.4.1 文本预训练

6.4.2 图像预训练

6.4.3 音频预训练

6.4.4 多模态预训练

6.5 本章小结

第7章 内容理解框架

7.1 常见的内容理解框架

7.1.1 Tensor2Tensor

7.1.2 OmniNet

7.2 自研多模态内容理解框架

7.2.1 框架设计背景

7.2.2 contentAI框架介绍

7.2.3 高度配置化

7.2.4 高度组件化

7.2.5 开发者模式与用户模式

7.2.6 计算式网络搭建

7.2.7 计算图网络搭建

7.2.8 自动化数据集构建

7.2.9 能力优化

7.2.10 快速服务化

7.2.11 内容理解能力

7.2.12 代码编写范例

7.3 本章小结

第二部分 内容生成

第8章 图片生成

8.1 基于GAN的图片生成

8.1.1 生成对抗网络

8.1.2 条件图片生成

8.1.3 文本转图片

8.1.4 图片迁移

8.1.5 高分辨率图片生成

8.2 基于扩散模型的图片生成

8.2.1 扩散模型

8.2.2 扩散模型生成图片

8.3 图片设计

8.3.1 智能裁剪

8.3.2 智能布局

8.4 本章小结

第9章 文本生成

9.1 文本生成的背景知识

9.1.1 语言模型

9.1.2 CFG文法

9.1.3 Encoder-Decoder框架

9.1.4 文本生成质量量化

9.2 文本生成算法

9.2.1 基于统计的文本生成模型

9.2.2 基于神经网络的文本生成技术

9.3 本章小结

第10章 AI素材合成

10.1 AI人脸属性编辑

10.1.1 研究目标与意义

10.1.2 研究难点

10.1.3 研究进展

10.2 AI语音合成

10.2.1 研究目标与意义

10.2.2 基本的语音合成系统简介

10.2.3 端到端的语音合成系统

10.2.4 基于深度学习的算法介绍

10.3 AI虚拟人技术

10.3.1 研究目标与意义

10.3.2 二维多目标人体姿态估计

10.3.3 二维-三维人体姿态转换

10.4 AI表情包合成

10.4.1 表情包特性

10.4.2 表情包自动合成的意义及挑战

10.4.3 表情包合成算法

10.4.4 表情包合成应用

10.5 本章小结

第11章 视频编辑

11.1 结构化数据视频编辑

11.1.1 基于模板的电视报道视频编辑

11.1.2 基于剪辑元素属性约束的视频编辑

11.1.3 视频特效合成系统实践

11.2 文本驱动视频编辑

11.2.1 基于主题文本编辑的视频蒙太奇

11.2.2 基于解说文本的旅游视频编辑

11.3 音乐驱动视频编辑

11.3.1 音乐驱动视频蒙太奇

11.3.2 根据音乐生成视觉节奏

11.3.3 基于音乐合成视觉叙事镜头

11.4 本章小结

第三部分 内容质量

第12章 标题党

12.1 模型构建

12.1.1 业务定义

12.1.2 基于标题建模

12.1.3 基于文章整体内容建模

12.2 标题党研究方向

12.2.1 数据方面的研究

12.2.2 特征构造方面的研究

12.2.3 模型方面的研究

12.3 数据集

12.4 相关论文介绍

12.4.1 特征构造

12.4.2 深度学习

12.5 本章小结

第13章 假新闻

13.1 基本方法

13.1.1 基于内容真实性

13.1.2 基于内容风格

13.1.3 基于传播模式

13.1.4 基于传播源特征

13.2 未来研究方向

13.3 数据集

13.4 相关论文介绍

13.5 本章小结

第14章 图文低俗识别

14.1 研究背景与问题定义

14.1.1 研究背景

14.1.2 问题定义

14.2 业界常用产品

14.3 主要技术手段

14.3.1 关键词

14.3.2 模型

14.3.3 匹配

14.3.4 举报

14.3.5 用户行为

14.3.6 多模态

14.4 业务案例

14.5 本章小结

作者简介