Fight Scene Detection for Movie Highlight Generation System

在这篇基于研究项目的论文中，我们使用双向长短期记忆（BiLSTM）网络提供了一种新颖的战斗场景检测（FSD）模型，可用于基于深度学习和神经网络的电影精华生成系统（MHGS）。电影通常有战斗场景来让观众惊叹。对于预告片生成或任何其他精华生成的应用程序，首先手动识别所有这些场景，然后编译它们以生成符合目的的精华非常繁琐。我们提出的FSD系统利用电影场景的时间特征，因此能够自动识别战斗场景。从而有助于有效制作引人入胜的电影精华。我们观察到，所提出的解决方案具有93.5％的准确度，高于92％准确度的2D CNN和显着高于65％准确度的3D CNN。

本论文提出了一个基于深度学习和神经网络的Fight Scene Detection (FSD)模型，旨在解决电影高光时刻生成系统中的场景识别问题。通过自动识别电影中的打斗场景，帮助有效制作引人入胜的电影高光片段。

本文提出的FSD系统利用电影场景的时间特征，通过双向长短时记忆网络（BiLSTM）自动识别打斗场景，相比于当前领域的研究，精度达到93.5%，高于2D CNN和Hough Forests的92%和3D CNN的65%。

本文的实验设计中使用了数据集进行验证，并开源了代码。该模型的精度表现优异，有望在电影高光片段制作中得到广泛应用。值得进一步深入研究。

在该领域的相关研究中，最近的一些论文包括：《A Deep Learning-Based Approach for Action Recognition in Videos》、《Video Action Recognition with Spatial Temporal Graph Convolutional Networks》等。