比可爱更具猫性？形容词-名词对的可解释预测
计算机视觉与模式识别
2017-08-22 v1 人工智能
多媒体
摘要
富含情感的多媒体资源的日益普及，推动了理解视觉内容中情感与情绪的研究兴趣。形容词-名词对（ANP）是一种流行的中层次语义结构，用于通过诸如“可爱的狗”或“美丽的风景”等视觉可检测概念来捕捉情感。当前最先进的方法将这些复合概念中的每一个视为独立的 token，忽略了 ANP 中潜在的关系。本研究旨在解耦 ANP 视觉预测中“形容词”与“名词”的贡献。两个专门的分类器——一个用于检测形容词，另一个用于检测名词——被融合以预测 553 个不同的 ANP。所得的 ANP 预测模型更具可解释性，因为它允许我们研究形容词和名词组件的贡献。源代码和模型可在 https://imatge-upc.github.io/affective-2017-musa2/ 获取。
引用
@article{arxiv.1708.06039,
title = {More cat than cute? Interpretable Prediction of Adjective-Noun Pairs},
author = {Delia Fernandez and Alejandro Woodward and Victor Campos and Xavier Giro-i-Nieto and Brendan Jou and Shih-Fu Chang},
journal= {arXiv preprint arXiv:1708.06039},
year = {2017}
}
备注
Oral paper at ACM Multimedia 2017 Workshop on Multimodal Understanding of Social, Affective and Subjective Attributes (MUSA2)