文献

J-GLOBAL ID：202102230540086720   整理番号：21A0739188

クラスタリングネットワークに基づくテキスト-ビデオ特徴学習【JST・京大機械翻訳】

Text-Video Feature Learning Based on Clustering Network

著者 (3件)： Zhang Heng (南京郵電大学通信与信息工程学院 南京210003) ,  Ma Mingdong (南京郵電大学地理与生物信息学院 南京210003) ,  Wang Deyu (南京郵電大学地理与生物信息学院 南京210003)
資料名： Jisuanji Kexue  (Jisuanji Kexue)
巻： 47  号： 7  ページ： 125-129  発行年： 2020年 
JST資料番号： C2530A  ISSN： 1002-137X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： ビデオコンテンツとテキスト意味論の総合的理解は,多くの分野で広く研究されてきた。初期の研究は主にテキスト-ビデオを一つの公共ベクトル空間にマッピングするが、この方法が直面する一つの問題は大規模なテキスト-ビデオデータセットが不足していることである。ビデオデータには大きい情報冗長性があるため、直接3Dネットワークを通じて全体のビデオ特徴を抽出することは、ネットワークパラメータが多く、リアルタイム性が悪いため、ビデオタスクの実行に不利である。上記の問題を解決するために,画像とビデオデータ訓練ネットワークモデルを同時に利用して,ビデオモード欠陥を効果的に解決することができて,また,顔モードが想起タスクに与える影響を,同時に比較して,この論文は,画像とビデオデータ訓練ネットワークモデルを同時に利用することができた。クラスタリングネットワークに注意力メカニズムを加えることで、ネットワークはテキストの語義と強く相関するモードに注目し、テキスト-ビデオの類似度値を高め、モデルの精度向上に有利である。実験データは,クラスタリングネットワークに基づくテキスト-ビデオ特徴学習が,テキスト-ビデオを一つの共通ベクトル空間に写像することができ,近い意味を持つテキストとビデオ距離が近づき,近いテキストとビデオ距離が遠いことを示した。MPIIとMSR-VTTデータセットにおいて,テキスト-ビデオ想起タスクに基づく評価モデルの性能は,他のモデルと比較して,2つのデータセットで精度が向上した。実験データは,クラスタリングネットワークに基づくテキスト-特徴学習が,テキスト-ビデオを1つの共通ベクトル空間に写像し,テキスト-ビデオ想起タスクに使用できることを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： ベクトル空間 ,  意味論 ,  *学習 ,  冗長性 ,  *ネットワーク ,  *クラスタ化 ,  *録画装置 ,  三次元
準シソーラス用語： 映像コンテンツ ,  語義 ,  ネットワークモデル ,  評価モデル ,  類似度 ,  高精度化 ,  映像データ , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  計算機網  (JC03000K)

タイトルに関連する用語 (3件)： クラスタリング ,  ビデオ ,  学習