追踪现实世界事件中的大规模视频混剪
社会与信息网络
2013-05-14 v3 多媒体
摘要
社交信息网络（如 YouTube）包含显式在线互动（如“点赞”、留言或订阅视频源）和潜在互动（如引用或混剪视频片段）的痕迹。我们提出视觉模因（visual memes），即频繁 repost 的短视频片段，用于大规模追踪此类潜在视频互动。视觉模因是通过我们开发的可扩展检测算法提取的，具有高准确率。我们进一步通过潜在主题的统计模型为视觉模因 augment 文本信息。我们用视觉模因对 YouTube 上的内容互动进行建模，定义了几种影响力度量并构建了模因流行度的预测模型。实验基于 2009 年两个重大新闻事件（伊朗选举和猪流感疫情）中来自 40,000 多个视频的超过 200 万个视频镜头。在这两个事件中，很高比例的视频包含混剪内容，且明显看出传统新闻媒体和公民记者在传播混剪内容方面扮演了不同角色。我们对标注视觉模因和预测其流行度进行了两项定量评估。视觉模因与词语的联合统计模型优于共现模型，预测模因量的平均误差约为 2%，预测其生命周期的平均误差约为 17%。
引用
@article{arxiv.1210.0623,
title = {Tracking Large-Scale Video Remix in Real-World Events},
author = {Lexing Xie and Apostol Natsev and Xuming He and John Kender and Matthew Hill and John R Smith},
journal= {arXiv preprint arXiv:1210.0623},
year = {2013}
}
备注
11 pages, accepted for journal publication