文献

J-GLOBAL ID：201702246045914004   整理番号：17A1214224

マルチモーダルビデオコンテンツのための視聴覚注意モデルに向けて【Powered by NICT】

Toward an audiovisual attention model for multimodal video content

著者 (3件)： Sidaty Naty (XLIM, University of Poitiers, Poitiers, France) ,  Larabi Mohamed-Chaker (XLIM, University of Poitiers, Poitiers, France) ,  Saadane Abdelhakim (XLIM, University of Poitiers, Poitiers, France)
資料名： Neurocomputing  (Neurocomputing)
巻： 259  ページ： 94-111  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 視覚注意のモデリングは非常に活発な研究分野であり,いくつかの画像とビデオ注意モデルは,過去10年間に提案されている。しかし,音の存在によるヒト注視の影響について種々の研究から導かれた結論にもかかわらず,最も古典的なビデオ注意モデルのはビデオの多モード性(視覚と聴覚キュー)を考慮していない。本論文では,ビデオコンテンツを探索する場合,ヒト注視マップを予測する目的でオーディオビジュアル顕著性モデルを提案した。,ビデオ会議を意図した,モデルは空間的,時間的および聴覚注意マップの融合に基づいている。実時間オーディオビジュアル話者局所化手法に基づいて,提案した聴覚地図は,ビデオにおける顔の性質,すなわち話者または監査役に依存して調節される。最新性能測度は視標追跡のグランドトルースを用いて,予測された顕著性マップを比較するために使用した。得られた結果は,提案したモデルの非常に良好な性能と非音声モデルと比較して,著しい改善を示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 遠隔会議 ,  ヒト ,  画像 ,  多モード ,  *録画装置 ,  視覚 ,  音響 ,  *聴覚 ,  モデリング
準シソーラス用語： 顕著性マップ ,  話者 ,  オーディオビジュアル ,  *映像コンテンツ ,  視覚的注意 ,  *視聴覚 , 【Automatic Indexing@JST】

著者キーワード (6件)： オーディオビジュアル顕著性 ,  話す顔 ,  視覚的注意 ,  視線追跡 ,  視聴覚同調性 ,  融合戦略

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 視聴覚 ,  注意 ,  モデル