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。
自己監督されたオーディオビジュアル学習は,視覚とオーディオ入力の間の対応をレバレッジすることにより,ビデオの有用な表現を捉えることを目指している。既存のアプローチは主に感覚ストリーム間の意味情報をマッチングすることに集中している。直交原理を利用する新しい自己監督タスクを提案する:視覚ストリームにおける音源の位置に対するオーディオストリームにおける空間情報マッチング。提案アプローチは簡単ではあるが効果的である。左と右のオーディオチャネルがフリップされ,視覚とオーディオストリームを横切る空間局在化の理由を強制するかどうかを決定するために,モデルを訓練した。提案手法を訓練し,評価するため,著者らは,900時間以上の足跡を含む空間オーディオを有する大規模ビデオデータセット,YouTube-ASMR-300Kを導入した。空間的対応の理解は3つのオーディオビジュアルタスクにおいてモデルをより良く実行することを可能にし,空間オーディオキューを活用しない教師つきおよび自己監督されたベースラインに対する定量的利得を達成した。また,著者らは,この自己監督されたアプローチを,バイソニックオーディオで360度ビデオに拡張する方法を示す。【JST・京大機械翻訳】