利用成对空间Transformer网络建模图像病毒性
计算机视觉与模式识别
2017-09-26 v1 社会与信息网络
摘要
在线病毒性和信息扩散的研究是计算社会科学中迅速受到关注的话题。计算机视觉和社交网络分析研究也聚焦于理解内容和信息扩散在使内容成为病毒式传播中的影响，先前的方法表现不如其他传统分类任务显著。本文中，我们提出了一种将病毒性预测问题重构为属性预测任务的新型成对方法，并开发了一种利用成对神经网络对在线媒体上图像病毒性进行建模的新型算法。我们的模型对促进病毒性的特征提供了重要见解，并且在预测上以12%的平均提升超越了现有的最先进水平。我们还研究了外部类别监督对相对属性预测的影响，并观察到在多个属性学习数据集上该预测准确率的提高。
引用
@article{arxiv.1709.07914,
title = {Modeling Image Virality with Pairwise Spatial Transformer Networks},
author = {Abhimanyu Dubey and Sumeet Agarwal},
journal= {arXiv preprint arXiv:1709.07914},
year = {2017}
}
备注
9 pages, Accepted as a full paper at the ACM Multimedia Conference (MM) 2017