文献

J-GLOBAL ID：202002235321354897   整理番号：20A0425587

ロバスト表現と構造化スパース性による適応ビデオ要約【JST・京大機械翻訳】

Adaptive Video Summarization via Robust Representation and Structured Sparsity

著者 (5件)： Sheng Manjin (School of Computer Science and Technology, Anhui University, Hefei, China) ,  Shi Jiayu (School of Computer Science and Technology, Anhui University, Hefei, China) ,  Sun Dengdi (School of Computer Science and Technology, Anhui University, Hefei, China) ,  Ding Zhuanlian (School of Internet, Anhui University, Hefei, China) ,  Luo Bin (School of Computer Science and Technology, Anhui University, Hefei, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11691  ページ： 201-210  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 巨大なビデオ収集のより速いブラウジングとより効率的なコンテンツインデクシングを改善するために,ビデオ要約はマルチメディアコミュニティのための研究の重要な領域として出現した。ビデオ要約を生成する機構の一つは,ビデオの最も重要なコンテンツを表すキーフレームを抽出することである。しかし,画像不完全性と雑音干渉のようないくつかの問題があり,それはキーフレーム選択の性能に深刻に影響する。上記の問題を目的として,本論文では,ビデオを要約するための線形再構成フレームワークを提案した。著者らのフレームワークにおける最初のモデルは,[数式:原文を参照]ノルム正則化の構造スパース性を用いて最も有益なキーフレーム(ベースベクトル)を探索し,ビデオにおけるそれらの線形結合としてすべてのフレームを表現する。さらに,著者らは,異常値を抑制するために,[数式:原文を参照]ノルムベースの損失関数を通して,もう一つのよりロバストなモデルを提案して,[数式:原文を参照]ノルム正則化によって結合スパース性を形成した。最適化のために,2つの提案したモデルのための2つの効率的アルゴリズムを設計した。最後に,実世界ビデオデータセットに関する広範な実験を提案フレームワークの有効性を示すために提示した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ブラウジング ,  *ロバスト性 ,  異常値 ,  ノルム ,  雑音 ,  マルチメディア ,  最適化 ,  損失関数 ,  正則化 ,  有効性 ,  干渉 ,  不整 ,  *録画装置 ,  コンテンツ ,  再構成

著者キーワード (4件)： ビデオ要約 ,  キーフレーム抽出 ,  ロバスト表現 ,  構造化スパース性

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： ロバスト ,  表現 ,  構造化 ,  スパース性 ,  適応 ,  ビデオ要約