(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210893891.2 (22)申请日 2022.07.27 (71)申请人 腾讯科技 （深圳） 有限公司 地址 518057 广东省深圳市南 山区高新区 科技中一路腾讯大厦3 5层 (72)发明人 张粲　杨田雨　翁俊武　曹蒙　 王珏　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 贾允 (51)Int.Cl. H04N 21/234(2011.01) H04N 21/44(2011.01) G06V 20/40(2022.01) G06V 10/74(2022.01)G06N 3/08(2006.01) (54)发明名称 无监督的训练数据生成方法、 装置、 介质及 设备 (57)摘要 本申请公开了无监督的训练数据生成方法、 装置、 介质及设备， 涉及人工智能技术领域， 该方 法包括： 获取第一原始视频和第二原始视频； 确 定所述第一原始视频中的目标视频片段， 任一目 标视频片段中视频帧对应的场景相关性满足预 设条件； 将所述目标视频片段和所述第二原始视 频进行合成， 得到目标合成视频； 确定所述目标 视频片段在所述目标合成视频中的时序位置信 息； 基于所述目标合成视频和所述时序位置信 息， 生成时序定位模型的训练数据。 本申请采用 无监督的方式生成训练数据， 节省了人工标注成 本， 同时突出训练数据中的时序标注信息而省去 行为类别标注信息， 能够提升所训练的时序定位 模型在时序边界上的预测准确性和在场景上的 自适应性。 权利要求书2页 说明书16页 附图9页 CN 115278299 A 2022.11.01 CN 115278299 A 1.一种无监 督的训练数据生成方法， 其特 征在于， 所述方法包括： 获取第一原 始视频和第二原 始视频； 确定所述第 一原始视频中的至少一个目标视频片段， 任一目标视频片段中视频帧对应 的场景相关性满足预设条件； 将所述至少一个目标视频片段和所述第二原 始视频进行合成， 得到目标合成视频； 确定所述至少一个目标视频片段在所述目标合成视频中的时序位置信息； 基于所述目标合成视频和所述时序位置信息， 生成时序定位模型的训练数据。 2.根据权利要求1所述的方法， 其特征在于， 所述确定所述第 一原始视频中的至少一个 目标视频片段， 包括： 确定所述第一原 始视频中的基准帧； 依次将所述基准帧之后的视频帧作为当前帧； 确定所述基准帧和所述当前帧的场景相关性； 在所述场景相关性满足所述预设条件的情况下， 将所述当前帧作为所述基准帧的连续 相似帧； 根据所述基准帧和所述基准帧的至少一个连续相似帧， 得到以所述基准帧为起始帧的 当前视频片段， 所述当前视频片段为所述至少一个目标视频片段中的任一目标视频片段。 3.根据权利要求2所述的方法， 其特 征在于， 所述方法还 包括： 在所述场景相关性 不满足所述预设条件的情况 下， 将所述当前帧作为所述基准帧。 4.根据权利要求2所述的方法， 其特 征在于， 所述方法还 包括： 获取预设 帧数， 依次将所述基准帧之后且与所述基准帧间隔所述预设 帧数的视频帧作 为所述当前帧； 确定所述基准帧和所述当前帧的场景相关性； 在所述场景相关性满足所述预设条件的情况下， 将在所述基准帧和所述当前帧之间的 视频帧以及所述当前帧作为所述基准帧的连续相似帧。 5.根据权利要求1所述的方法， 其特征在于， 所述将所述至少一个目标视频片段和所述 第二原始视频进行合成， 得到目标合成视频， 包括： 确定所述至少一个目标视频片段在所述第二原 始视频中的插 入位置信息； 按照所述插入位置信息， 将所述至少一个目标视频片段插入至所述第二原始视频中， 得到所述目标合成视频。 6.根据权利要求5所述的方法， 其特征在于， 所述确定所述至少一个目标视频片段在所 述目标合成视频中的时序位置信息， 包括： 获取所述至少一个目标视频片段的时长信息； 根据所述插入位置信 息和所述至少一个目标视频片段的时长信 息， 修正所述至少一个 目标视频片段在所述第二原 始视频中的插 入位置信息； 根据修正后的所述插入位置信 息和所述 时长信息， 确定所述至少一个目标视频片段在 所述目标合成视频中的时序位置信息 。 7.根据权利要求1所述的方法， 其特征在于， 所述将所述至少一个目标视频片段和所述 第二原始视频进行合成， 得到目标合成视频， 还 包括： 将所述第二原 始视频分割为至少一个视频片段；权　利　要　求　书 1/2 页 2 CN 115278299 A 2将所述至少一个目标视频片段和所述至少一个视频片段排列组合， 得到所述目标合成 视频。 8.一种无监 督的训练数据生成装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取第一原 始视频和第二原 始视频； 片段生成模块， 用于确定所述第一原始视频中的至少一个目标视频片段， 任一目标视 频片段中视频帧对应的场景相关性满足预设条件； 合成模块， 用于将所述至少一个目标视频片段和所述第二原始视频进行合成， 得到目 标合成视频； 时序确定模块， 用于确定所述至少一个目标视频片段在所述目标合成视频中的时序位 置信息； 训练数据确定模块， 用于基于所述目标合成视频和所述时序位置信息， 生成时序定位 模型的训练数据。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质中存储有至少一 条指令或至少一段程序， 所述至少一条指 令或所述至少一段程序由处理器加载并执行以实 现如权利要求1至7中任一项所述的一种无监 督的训练数据生成方法。 10.一种计算机设备， 其特征在于， 所述计算机设备包括处理器和存储器， 所述存储器 中存储有至少一条指 令或至少一段程序， 所述至少一条指 令或至少一段程序由所述处理器 加载并执 行以实现如权利要求1至7中任一项所述的一种无监 督的训练数据生成方法。权　利　要　求　书 2/2 页 3 CN 115278299 A 3