基于内容的视频相关性预测挑战赛：数据、协议与基线
计算机视觉与模式识别
2018-06-05 v1
摘要
视频相关性预测是在线流媒体服务最重要的任务之一。给定视频的相关性和观众反馈，系统可以提供个性化推荐，帮助用户发现更多感兴趣的内容。在大多数在线服务中，视频相关性表的计算基于用户的隐式反馈，例如观看和搜索历史。然而，这种方法在“冷启动”问题上表现不佳——当新视频添加到库中时，推荐系统需要在很少用户行为已知的情况下引导视频相关性分数。解决这个问题的一个有前景的方法是分析视频内容本身，即通过视频帧、音频、字幕和元数据预测视频相关性。在本文中，我们描述了由Hulu在2018年ACM多媒体会议上主办的内容基于视频相关性预测（CBVRP）挑战赛。在这个挑战中，Hulu推动研究一个开放问题：直接从原始视频中利用内容特征进行视频相关性预测。我们提供了大量的视频资产和从真实系统中导出的真实相关性，以建立一个用于算法开发和性能评估的公共平台。
引用
@article{arxiv.1806.00737,
title = {Content-based Video Relevance Prediction Challenge: Data, Protocol, and Baseline},
author = {Mengyi Liu and Xiaohui Xie and Hanning Zhou},
journal= {arXiv preprint arXiv:1806.00737},
year = {2018}
}