VISIONE视频检索系统：利用现成文本搜索引擎实现大规模视频检索
计算机视觉与模式识别
2021-03-19 v2 多媒体
摘要
在本文中，我们详细描述了VISIONE，一个允许用户使用文本关键词、物体及其空间关系的出现、颜色及其空间关系的出现以及图像相似性来搜索视频的视频检索系统。这些模态可以组合在一起以表达复杂查询并满足用户需求。我们方法的特殊性在于，我们使用一种方便的文本编码，将从关键帧提取的所有信息（如视觉深度特征、标签、颜色和物体位置）编码后在单一文本检索引擎中建立索引。这在需要合并对应于查询各个部分（视觉、文本和位置）的结果时提供了极大的灵活性。此外，我们利用在2019年视频浏览器对抗赛（VBS）期间生成的查询日志，对系统检索性能进行了广泛分析。这使我们能够通过从测试过的参数和策略中选择最优者来对系统进行微调。
引用
@article{arxiv.2008.02749,
title = {The VISIONE Video Search System: Exploiting Off-the-Shelf Text Search Engines for Large-Scale Video Retrieval},
author = {Giuseppe Amato and Paolo Bolettieri and Fabio Carrara and Franca Debole and Fabrizio Falchi and Claudio Gennaro and Lucia Vadicamo and Claudio Vairo},
journal= {arXiv preprint arXiv:2008.02749},
year = {2021}
}
备注
22 pages, 12 figures