You need to enable JavaScript to run this app. 如何按概率衰减规则从嵌套时间点列表生成全覆盖不重叠的随机视频时间元组
优惠活动
大模型
产品
解决方案
定价
更多

如何按概率衰减规则从嵌套时间点列表生成全覆盖不重叠的随机视频时间元组

带权重的视频分区间采样实现方案

核心约束对齐

  • 最终输出严格为连续无重叠的区间序列,完整覆盖0到视频总时长T的全范围
  • 除固定端点0和T外,所有区间内部分隔点必须来自给定的嵌套时间点列表,不能凭空生成
  • 嵌套列表的子列表索引越小(优先级越高),内部时间点被选中的采样权重越高,权重衰减速度可通过用户参数灵活调整
  • 所有分隔点按数值严格递增排列,避免区间倒序、重叠、出现覆盖缺口

权重计算规则

这里采用可配置的指数衰减权重方案,全程不需要复杂计算:

  1. 定义用户可调参数decay_factor,取值范围为0 < decay_factor < 1,数值越小代表权重随子列表索引升高衰减越快
  2. 对第i个子列表(从0开始计数,第一个子列表i=0),其基础权重为 w_i = decay_factor ** i
    • 比如设置decay_factor=0.7时,优先级最高的第0个子列表权重为1,第1个为0.7,第2个为0.49,依次逐次衰减
  3. 去重规则:如果同一个时间点同时出现在多个子列表中,只取它所在的最高优先级(索引最小)的子列表权重计入采样池,避免重复计数,也保证高优先级列表的时间点不会被低优先级列表的低权重拉低选中概率
  4. 所有有效候选点的权重计算完成后,不需要做额外归一化,随机采样库会自动处理权重占比计算

完整实现流程

  1. 预处理阶段
    • 遍历所有嵌套子列表,收集所有落在0 < t < T范围内的有效时间点(0和T是固定端点,不会被当成内部分隔点参与采样)
    • 记录每个有效时间点对应的最高优先级子列表索引,计算对应权重
    • 提前校验:如果有效候选点的总数小于需要的分隔点数量,直接抛出提示,告知用户当前可用点不足以生成指定数量的区间
  2. 采样阶段
    • 按照预先计算的权重,随机抽取指定数量的不重复有效时间点
    • 将抽中的时间点按数值从小到大排序,得到严格递增的分隔点序列
  3. 结果拼接阶段
    • 以0为起点,依次用排序后的分隔点拼出相邻区间
    • 最后一个区间以排序后的最后一个分隔点为起点,以视频总时长T为终点

核心参考代码

import random

def generate_video_intervals(time_pt_nested_list, total_T, interval_count, decay_factor=0.7):
    # 第一步:预处理收集有效候选点,记录每个点的最高优先级
    point_priority = {}
    for sub_idx, sub_time_list in enumerate(time_pt_nested_list):
        for t in sub_time_list:
            # 过滤掉超出视频范围的无效点,以及作为固定端点的0、T
            if 0 < t < total_T:
                if t not in point_priority:
                    point_priority[t] = sub_idx
    # 计算需要的内部分隔点数量:interval_count个区间对应interval_count-1个分隔点
    need_sep_points = interval_count - 1
    # 候选点数量不足时直接抛错
    if len(point_priority) < need_sep_points:
        raise ValueError(f"有效候选时间点仅{len(point_priority)}个,不足以生成{interval_count}个区间")
    # 生成候选点列表和对应权重
    candidates = list(point_priority.keys())
    weights = [decay_factor ** point_priority[t] for t in candidates]
    # 带权重抽取不重复的分隔点
    sampled_seps = []
    while len(sampled_seps) < need_sep_points:
        picked = random.choices(candidates, weights=weights, k=1)[0]
        if picked not in sampled_seps:
            sampled_seps.append(picked)
    # 分隔点排序
    sampled_seps.sort()
    # 拼接生成最终区间列表
    intervals = []
    prev_end = 0.0
    for sep in sampled_seps:
        intervals.append( (prev_end, sep) )
        prev_end = sep
    intervals.append( (prev_end, total_T) )
    return intervals

参数调整说明

  • 如果需要让优先级差异更明显(只有最靠前的几个子列表的时间点有高概率被选中),就把decay_factor调小,比如设为0.5
  • 如果需要让优先级差异更平缓(靠后的子列表时间点也有相对高的选中概率),就把decay_factor调大,比如设为0.9
  • 就算0或者T本来就存在于嵌套列表里,也会被自动过滤掉,不会被当成内部分隔点参与采样,保证最终序列的起点固定为0、终点固定为T

内容的提问来源于stack exchange,提问作者Sato

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.28 22:45:04