自動GIF生成のためのPHD-GIFs個人化ハイライト検出【JST・京大機械翻訳】

Garcia del Molino Ana; Gygli Michael

文献

J-GLOBAL ID：202002225655367388 整理番号：20A1865241

自動GIF生成のためのPHD-GIFs個人化ハイライト検出【JST・京大機械翻訳】

PHD-GIFs Personalized Highlight Detection for Automatic GIF Creation

出版者サイト複写サービスで全文入手
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=20A1865241&from=J-GLOBAL&jstjournalNo=D0698C") }}

著者 (2件)： ,
資料名：
号： MM ’18 ページ： 600-608 発行年： 2018年
JST資料番号： D0698C 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)

ビデオをそのようなモーメントに縮小する目的で,視覚コンテンツを一般市民に対して魅力的または興味深い手がかりを同定するために,高光検出モデルは通常訓練される。しかし,ビデオセグメントまたは画像のこの「交差」は主観的である。このように,そのようなハイライトモデルは個々のユーザに対する限られた関連性の結果を提供する。一方,ユーザ当たり1つのモデルを訓練することは,非効率であり,典型的には利用できない大量の個人情報を必要とする。これらの限界を克服するために,特定のユーザの興味を条件づけることができる大域的ランキングモデルを提示する。ユーザ当たり1つのモデルを訓練するよりも,本モデルは,その入力により個人化され,その予測を効果的に適応させ,少数のユーザ固有の例のみを与える。このモデルを訓練するために,ユーザとGIFの大規模データセットを作成し,それらの興味の正確な表示を与えた。著者らの実験は,ユーザ履歴を用いることが予測精度をかなり改善することを示した。850ビデオのテストセットにおいて,著者らのモデルは,一般的ハイライト検出器に関して,8%の想起を改善した。さらに,著者らの方法は,1つの単一人特異的用例だけによって,ユーザ診断基準線より正確であることを証明した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , ,
, , , , , 【Automatic Indexing@JST】

著者キーワード (2件)： ,

図形・画像処理一般 , 人工知能

, ,

前のページに戻る