文献

J-GLOBAL ID：202002278209828748   整理番号：20A2262968

ゼロショットイベント検出とイベントキャプションのための視覚的概念の接地【JST・京大機械翻訳】

Grounding Visual Concepts for Zero-Shot Event Detection and Event Captioning

著者 (6件)： Li Zhihui (Shandong Normal University and University of New South Wales, Jinan, China) ,  Chang Xiaojun (Monash University, Melbourne, VIC, Australia) ,  Yao Lina (University of New South Wales, Sydney, NSW, Australia) ,  Pan Shirui (Monash University, Melbourne, VIC, Australia) ,  Zongyuan Ge (Monash University, Melbourne, VIC, Australia) ,  Zhang Huaxiang (Shandong Normal University, Jinan, Shandong, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： KDD ’20  ページ： 297-305  発行年： 2020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)

抄録/ポイント： ソーシャルメディアプラットフォームの仕上げは,大規模のメディアの内容を理解するための技術を必要とする。しかしながら,最先端のビデオイベント理解手法は,データスパース性,意味的非表現事象名,および視覚とテキスト概念間のコヒーレンスの欠如を扱う能力に関して非常に限られている。したがって,本論文では,ゼロショット設定における大規模マルチメディアイベント検出(MED)とマルチメディアイベント捕捉(MEC)のための視覚概念を接地する方法を提案した。より具体的には,著者らのフレームワークは次のように構成する。1)イベント名よりも,テキスト記述からイベントの新しい意味表現を導く;(2)MEDタスクのための接地概念のランクを集約する。統計的平均シフト異常値排除モデルを提案して,不正確に接地される外れた概念を除去した。(3)MECタスクを定義し,ゼロショット設定でMEDで検出されたビデオによりMEC訓練セットを補強する。著者らの知る限り,本研究は,ビデオイベントの理解に向けた更なるステップであるMECタスクを定義し,解決する初めてである。広範な実験を行い,TRECVID MEDTestデータセットおよび新しく提案したTRECVID-MECデータセットに関する最先端の性能を達成した。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】

シソーラス用語： コヒーレンス ,  *視覚 ,  学習 ,  接地 ,  捕獲 ,  録画装置 ,  異常値 ,  マルチメディア
準シソーラス用語： スパース性 ,  *イベント検出 ,  意味表現 ,  ソーシャルメディア , 【Automatic Indexing@JST】

著者キーワード (4件)： 視覚概念の接地 ,  マルチメディアイベントキャプテーション ,  マルチメディアイベント検出 ,  ゼロショット学習

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： ショット ,  イベント検出 ,  イベント ,  キャプション ,  視覚 ,  概念 ,  接地