用于跨域多摄像机视角推荐的伪数据集生成

多摄像机系统是电影、电视节目及其他媒体中必不可少的组件。每一时刻选择合适的摄像机对制作质量和观众偏好具有决定性影响。基于学习的视角推荐框架可以帮助专业人士做出决策。然而，这些框架常常在训练领域之外难以应用。多摄像机视角推荐数据集的稀缺性加剧了这一问题。基于许多视频是从原始多摄像机视频编辑而来这一洞见，我们提出将常规视频转换为带有伪标签的多摄像机视角推荐数据集。令人鼓舞的是，通过在来自目标领域的伪标注数据集上训练模型，我们在目标领域的模型准确率提高了68%，弥合了领域内准确率与从未见过领域之间的差距。