基于社交网络视觉与文本特征的个性化快进视频生成
计算机视觉与模式识别
2020-01-01 v1
摘要
社交网络的发展助长了人们记录日常活动的习惯，而长篇第一人称视频（FPV）是这一新习惯的主要工具之一。语义感知的快进方法能够减少观看时间并选取有意义的时刻，这对于提高这些视频被观看的可能性至关重要。然而，这些方法无法处理个性化层面的语义。在本工作中，我们提出了一种自动为 FPV 生成个性化快进视频的新方法。我们的方法利用用户社交网络中以文本为中心的数据（如状态更新）来推断他/她的兴趣主题，并根据他/她的偏好为输入帧分配分数。我们在三个不同的数据集上进行了大量实验，以模拟和真实世界用户作为输入，取得了比最佳竞争对手平均高至多 12.8 个百分点的 F1 分数。我们还展示了一项用户研究以证明我们方法的有效性。
引用
@article{arxiv.1912.12655,
title = {Personalizing Fast-Forward Videos Based on Visual and Textual Features from Social Network},
author = {Washington L. S. Ramos and Michel M. Silva and Edson R. Araujo and Alan C. Neves and Erickson R. Nascimento},
journal= {arXiv preprint arXiv:1912.12655},
year = {2020}
}