文献

J-GLOBAL ID：201702231304488160   整理番号：17A0967509

長ビデオの意味論的テキスト要約【Powered by NICT】

Semantic Text Summarization of Long Videos

著者 (6件)： Sah Shagan ,  Kulhare Sourabh ,  Gray Allison ,  Venugopalan Subhashini ,  Prud’Hommeaux Emily ,  Ptucha Raymond
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： WACV  ページ： 989-997  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 消費者により獲得された長いビデオは典型的に生活の最も重要なモーメントのいくつかに,皮肉はしばしば最も頻繁に注目。初期積を監視するのに必要な時間は困難なことができる。本研究では,長いビデオを要約すると注釈付けのための新しい技術を提案した。既存のビデオ要約手法は,キーフレームとサブショットを同定することにのみ焦点を当てたが,これらの要約映像を評価する困難な課題である。著者らの研究は,長いビデオの視覚要約を生成する方法を提案し,加えてリカレントネットワークを用いたビデオのテキスト要約を注釈と生成する技術を提案した。長いビデオの興味あるセグメントは画像品質だけでなく映画と消費者の好みに基づいて抽出した。最も影響セグメントからの鍵となるフレームを逐次符号化と復号化の深層学習モデルを用いたテキスト注釈に変換した。要約技術はVideoSetデータセットで評価し,情報と言語内容のヒトにより評価した。これは長い消費者ビデオの同時視覚およびテキスト要約できる最初の完全自動化法であると考えられる。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 消費者 ,  *録画装置 ,  画質 ,  映像 ,  *意味論 ,  符号化 ,  アノテーション ,  言語 ,  視覚 ,  復号化 ,  ヒト
準シソーラス用語： *テキスト ,  リカレントニューラルネットワーク ,  キーフレーム ,  映像要約 , 【Automatic Indexing@JST】

分類 (3件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (3件)： ビデオ ,  意味論 ,  テキスト要約