抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ビデオは現在全てのインターネットトラフィックの70%を占め,この数は成長を続けることが期待される。各分,ビデオの500時間以上の価値はYouTubeにアップロードされる。生の捕獲されたコンテンツから短いビデオを発生させるのは,しばしば,コンテンツクリーターのための時間がかかり,厄介な活動である。既存のMLベースのビデオ要約とハイライト生成手法は,多くの要約タスクがビデオコンテンツの特定のドメイン知識を必要とするという事実をしばしば無視し,人間の編集者は,要約(例えばスポーツイベントに対するハイライトを創造する)を生成するとき,しばしば半構造化テンプレートに従う。したがって,本論文では,この編集テンプレートを能動的に活用することにより,ドメイン特異的要約を生成する課題に取り組んだ。特に,隠れ構造あるいはテンプレートを自動学習できる逆強化学習(IRL)ベースフレームワークと,特定のドメインに対するビデオ要約を生成するとき,人間エキスパートがこれに続く。特に,各状態が要約に追加されたビデオショットの特徴の組み合わせであるMarkov決定プロセスとしてビデオ要約タスクを定式化することを提案し,可能な行動は,要約からショットを含ませるか,またはそれを残すことである。領域特異的人間生成ビデオのセットを用いて,要約生成プロセスを支配する陰的報酬関数を学習するために,最大エントロピーIRLアルゴリズムを採用した。次に,学習された報酬関数を用いて,特定のドメインに対してビデオ要約を生成することができるRLエージェントを訓練し,人間エキスパートが創造するのに似ている。エキスパート実証からの学習は,著者らのアプローチが任意のドメインまたは編集スタイルに適用できることを許す。本アプローチの優れた性能を実証するために,サッカーゲームのタスクにそれを採用して,それは,定量的および定性的の両方で,他の最先端の方法より優れていることを示した。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】