文献

J-GLOBAL ID：201902226827715650   整理番号：19A1488011

オーディオビジュアルイベント位置決めのためのデュアルモダリティSEQ2seqネットワーク【JST・京大機械翻訳】

Dual-modality Seq2Seq Network for Audio-visual Event Localization

著者 (3件)： Lin Yan-Bo (Graduate Institute of Communication Engineering, National Taiwan University, Taiwan MOST Joint Research Center for AI Technology and All Vista Healthcare) ,  Li Yu-Jhe (Graduate Institute of Communication Engineering, National Taiwan University, Taiwan MOST Joint Research Center for AI Technology and All Vista Healthcare) ,  Wang Yu-Chiang Frank (Graduate Institute of Communication Engineering, National Taiwan University, Taiwan MOST Joint Research Center for AI Technology and All Vista Healthcare)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICASSP  ページ： 2002-2006  発行年： 2019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： オーディオビジュアルイベントの位置決めは,ビデオ(フレームまたはビデオレベルのいずれか)において可視と可聴の両方のイベントを同定することを必要とする。このタスクを扱うために,筆者らは,オーディオビジュアルシーケンス対シーケンス二重ネットワーク(AVSDN)と名付けた深いニューラルネットワークを提案した。入力として各時間セグメントにおける音響と視覚特徴の両方を共同的に取り入れることにより,提案したモデルは,完全に監督されたか弱い教師つき設定のいずれかで実現できる,シーケンスにおける大域的および局所的イベント情報を学習する。経験的結果は,著者らの提案方法が両方の設定において最近の深い学習アプローチに対して有利に機能することを確認した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 音響 ,  学習 ,  録画装置 ,  *位置決め ,  ニューラルネットワーク ,  *ネットワーク
準シソーラス用語： 視覚顕著 ,  *オーディオビジュアル , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： オーディオビジュアル ,  イベント ,  デュアル ,  モダリティ