ビデオにおける品質ファッション検索のためのビジュアルオーディオ合成アラインメントネットワークの探索【JST・京大機械翻訳】

Zhang Yanhao; Wu Jianmin; Xiong Xiong; Li Dangwei; Xie Chenwei; Zheng Yun; Pan Pan; Xu Yinghui

文献

J-GLOBAL ID：202102230512616085 整理番号：21A2488484

ビデオにおける品質ファッション検索のためのビジュアルオーディオ合成アラインメントネットワークの探索【JST・京大機械翻訳】

Exploring Visual-Audio Composition Alignment Network for Quality Fashion Retrieval in Video

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=21A2488484&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=21A2488484&from=J-GLOBAL&jstjournalNo=W2441A") }}

著者 (8件)： , , , , , , ,
資料名：
巻： 2021 号： ICASSP ページ： 8178-8182 発行年： 2021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)

ビデオにおけるファッション検索は,不完全な視覚表現の課題と,E-商業環境下での検索結果の低い品質に悩まされる。これまでの研究は,一般的に視覚透視のみから同一画像を探索することに焦点を合わせているが,高品質商品に対するマルチモーダル情報をレバーするという欠点がある。交差ドメイン問題として,命令または表示オーディオは,ビデオツーショップタスクをファシリライトするための豊富な意味情報を明らかにする。本論文では,ビデオにおける品質ファッション検索を取り扱うために,新しいVisual-Audio構成Alignment Network(VACANet)を提案した。最初に,視覚とオーディオストリームの両方から意味的埋込みを学習することにより,意図的および残留エンティティを識別することを目的として,VACANetにおける視覚-オーディオ構成モジュールを導入した。次に,品質アラインメント訓練方式を,ビデオ対画像適応のための品質意識三重項マイニングとドメインアラインメント制約によって設計した。最後に,挑戦的なビデオデータセット上で行われた広範な実験は,品質ファッション検索の軽減における著者らのモデルのスケーラブルな有効性を実証した。Copyright 2021 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】

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

図形・画像処理一般

, , , ,

前のページに戻る