短视频参与度预测深入分析
计算机视觉与模式识别
2024-10-02 v1 多媒体
社会与信息网络
摘要
理解和建模用户生成内容（UGC）短视频在社交媒体平台上的流行度，具有广泛而关键的影响，关乎内容创作者和推荐系统。本研究深入探讨了针对新发布视频（仅有有限用户互动）的参与度预测。出人意料的是，我们发现来自前视频质量评估数据集的平均意见评分（Mean Opinion Scores）与视频参与度水平之间并不紧密相关。为此，我们引入了来自Snapchat的大型数据集，包含90,000个真实世界的UGC短视频。我们不依赖观看次数、平均观看时长或点赞率，而是提出两种指标：归一化平均观看百分比（NAWP）和参与持续率（ECR）来描述短视频的参与度水平。我们检验了包括视觉内容、背景音乐和文本数据在内的多模态特征，以提升参与度预测。凭借所提出的数据集和两种关键指标，我们的方法能够仅凭视频内容预测短视频的参与度。
引用
@article{arxiv.2410.00289,
title = {Delving Deep into Engagement Prediction of Short Videos},
author = {Dasong Li and Wenjie Li and Baili Lu and Hongsheng Li and Sizhuo Ma and Gurunandan Krishnan and Jian Wang},
journal= {arXiv preprint arXiv:2410.00289},
year = {2024}
}
备注
Accepted to ECCV 2024. Project page: https://github.com/dasongli1/SnapUGC_Engagement