文献

J-GLOBAL ID：201902288200994200   整理番号：19A2922249

メモリネットワークとLSTMによる大域的注意を用いたビデオ要約【JST・京大機械翻訳】

Video Summarization using Global Attention with Memory Network and LSTM

著者 (7件)： Sahrawat Dhruva (Indraprastha Institute of Information Technology Delhi) ,  Agarwal Mohit (Indraprastha Institute of Information Technology Delhi) ,  Sinha Sanchit (Indraprastha Institute of Information Technology Delhi) ,  Adhikary Aditya (Indraprastha Institute of Information Technology Delhi) ,  Agarwal Mansi (Delhi Technological University) ,  Shah Rajiv Ratn (Indraprastha Institute of Information Technology Delhi) ,  Zimmermann Roger (School of Computing, National University of Singapore)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： BigMM  ページ： 231-236  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： ビデオは,効果的な情報配信の最も関与し興味ある媒体の一つであり,今日オンラインで生成されたコンテンツの大部分を構成する。人間の注意スパンが縮小するにつれて,多くの情報を維持しながらビデオを短くすることが不可欠である。プレミラーチャレンジは,人間にとってより直感的な要約が,機械が一般化するのが困難であるということである。ショットセグメンテーションのためのカーネル時間分割(KTS)とショットスコア学習のためのLSTMによるグローバルな注意ベースの修正メモリネットワークモジュールを用いたビデオ要約への簡単なアプローチを提示した。大域的注意記憶モジュール(GAMM)と呼ばれる修正メモリネットワークは,モデルの学習能力を増加させ,LSTMの追加により,より良い文脈特徴を学習することができる。ベンチマークデータセットTVSumとSumMeに関する実験は,著者らの方法が約15%によって芸術の現在の状態より優れていることを示した。Copyright 2020 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： コンテンツ ,  学習 ,  セグメンテーション ,  *ネットワーク ,  *記憶装置 ,  *録画装置 ,  粒状材 ,  時分割処理 ,  情報配布 ,  媒質 ,  スパン
準シソーラス用語： 学習能力 ,  メモリモジュール ,  オンライン ,  *映像要約 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  符号理論  (ND02030R)

タイトルに関連する用語 (3件)： LSTM ,  注意 ,  ビデオ要約