视频摘要生成方法、电子设备、存储介质及程序产品

本申请提供一种视频摘要生成方法、电子设备、存储介质及程序产品。方法包括：基于第一预设策略，对原始视频进行语义特征提取，得到语义主题特征；基于第二预设策略，对原始视频进行图像特征提取，得到与原始视频中的视频帧对应的帧级图像特征；对语义主题特征和帧级图像特征进行注意力特征融合，得到图文融合特征；根据图文融合特征，对视频帧进行筛选，得到由目标视频帧构成的集合，作为视频摘要，目标视频帧表征满足第一预设条件的视频帧。如此，通过提取并结合字幕语义特征以及视频帧图像特征，使得视频摘要的生成兼顾语义和图像信息，改善传统视频摘要生成方式缺乏对语义信息的关注，导致生成的视频摘要不够全面、准确性不足的问题。