字幕生成装置、字幕生成方法、以及非暂时性计算机可读介质与流程

本公开涉及字幕生成装置、字幕生成方法、以及非暂时性计算机可读介质。

背景技术：

1、提出如下的技术，使用机器学习模型，根据动态图像生成动态图像中包含的实例的字幕（说明文）。例如，在专利文献1中提出如下的技术，根据元宇宙空间的视觉信息自动生成角色发言的评论语句。

2、专利文献1：国际公开第2024/224928号

3、在生成针对动态图像所包含的单独的实例的字幕的技术中存在改善的余地。

技术实现思路

1、鉴于该情况而完成的本公开的目的在于，改善生成动态图像所包含的实例的字幕的技术。

2、本公开的一个实施方式所涉及的字幕生成装置生成动态图像内的实例的字幕，其中，具备：获取部，获取动态图像；以及控制部，基于场景的迁移对获取到的上述动态图像进行分割，对于分割出的各场景所包含的多个帧中的一个帧检测实例，在同一场景所包含的多个帧中跟踪上述实例，在上述同一场景所包含的各帧中对实例赋予字幕，将在上述同一场景所包含的上述多个帧中的各个帧中对同一上述实例赋予的多个上述字幕结合。

3、本公开的一个实施方式所涉及的字幕生成方法由字幕生成装置的控制部执行，该字幕生成装置生成动态图像内的实例的字幕，其中，包含：获取动态图像；基于场景的迁移对获取到的上述动态图像进行分割；对于分割出的各场景所包含的多个帧中的一个帧检测实例；在同一场景所包含的多个帧中跟踪上述实例；在上述同一场景所包含的各帧中对实例赋予字幕；以及将在上述同一场景所包含的上述多个帧中的各个帧中对同一上述实例赋予的多个上述字幕结合。

4、本公开的一个实施方式所涉及的程序使生成动态图像内的实例的字幕的字幕生成装置的控制部执行处理，其中，该处理包含：获取动态图像；基于场景的迁移对获取到的上述动态图像进行分割；对于分割出的各场景所包含的多个帧中的一个帧检测实例；在同一场景所包含的多个帧中跟踪上述实例；在上述同一场景所包含的各帧中对实例赋予字幕；以及将在上述同一场景所包含的上述多个帧中的各个帧中对同一上述实例赋予的多个上述字幕结合。

5、根据本公开，能够改善生成动态图像所包含的实例的字幕的技术。

1.一种字幕生成装置，生成动态图像内的实例的字幕，其中，

2.根据权利要求1所述的字幕生成装置，其中，

3.根据权利要求1所述的字幕生成装置，其中，

4.根据权利要求3所述的字幕生成装置，其中，

5.根据权利要求1所述的字幕生成装置，其中，

6.根据权利要求5所述的字幕生成装置，其中，

7.根据权利要求6所述的字幕生成装置，其中，

8.根据权利要求1所述的字幕生成装置，其中，

9.一种字幕生成方法，由字幕生成装置的控制部执行，该字幕生成装置生成动态图像内的实例的字幕，其中，

10.根据权利要求9所述的字幕生成方法，其中，

11.根据权利要求9所述的字幕生成方法，其中，

12.根据权利要求11所述的字幕生成方法，其中，

13.根据权利要求9所述的字幕生成方法，其中，

14.根据权利要求13所述的字幕生成方法，其中，

15.根据权利要求14所述的字幕生成方法，其中，

16.根据权利要求9所述的字幕生成方法，其中，

17.一种非暂时性计算机可读介质，存储了程序，该程序使生成动态图像内的实例的字幕的字幕生成装置的控制部执行处理，其中，该处理包括：

18.根据权利要求17所述的非暂时性计算机可读介质，其中，

19.根据权利要求17所述的非暂时性计算机可读介质，其中，

20.根据权利要求17所述的非暂时性计算机可读介质，其中，