論文の概要: CS-lol: a Dataset of Viewer Comment with Scene in E-sports Live-streaming

• arxiv url: http://arxiv.org/abs/2301.06876v1
• Date: Tue, 17 Jan 2023 13:34:06 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-18 14:00:03.760239
• Title: CS-lol: a Dataset of Viewer Comment with Scene in E-sports Live-streaming
• Title（参考訳）: CS-lol:Eスポーツライブストリーミングにおけるシーンによる視聴者コメントのデータセット
• Authors: Junjie H. Xu and Yu Nakano and Lingrong Kong and Kojiro Iizuka
• Abstract要約: 何十億ものライブストリーミング視聴者が、リアルタイムで見ているシーンについて意見を共有し、イベントと対話する。 CS-lolは,E-Sportsのライブストリーミングにおけるゲームシーンの記述と組み合わせた,視聴者からのコメントを含むデータセットである。 本稿では,ライブストリーミングイベントのシーンに対する視聴者コメントを検索するタスク,すなわち視聴者コメント検索を提案する。
• 参考スコア（独自算出の注目度）: 0.5735035463793008
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Billions of live-streaming viewers share their opinions on scenes they are watching in real-time and interact with the event, commentators as well as other viewers via text comments. Thus, there is necessary to explore viewers' comments with scenes in E-sport live-streaming events. In this paper, we developed CS-lol, a new large-scale dataset containing comments from viewers paired with descriptions of game scenes in E-sports live-streaming. Moreover, we propose a task, namely viewer comment retrieval, to retrieve the viewer comments for the scene of the live-streaming event. Results on a series of baseline retrieval methods derived from typical IR evaluation methods show our task as a challenging task. Finally, we release CS-lol and baseline implementation to the research community as a resource.
• Abstract（参考訳）: 何十億ものライブストリーミング視聴者が、リアルタイムで視聴しているシーンで意見を共有し、イベントやコメンテーター、その他の視聴者とテキストコメントでやりとりしている。 したがって、eスポーツライブストリーミングイベントで視聴者のコメントをシーンで探す必要がある。 本稿では,e-sports live-streamingにおけるゲームシーンの記述とペアリングした視聴者からのコメントを含む,新しい大規模データセットcs-lolを開発した。 さらに,ライブストリーミングイベントのシーンに対する視聴者コメントを検索するタスク,すなわち視聴者コメント検索を提案する。 典型的なIR評価法から導かれる一連のベースライン検索手法の結果は,我々の課題を課題として示している。 最後に,資源としてCS-lolとベースライン実装を研究コミュニティにリリースする。

関連論文リスト

• MatchTime: Towards Automatic Soccer Game Commentary Generation [52.431010585268865]
  観客の視聴体験を改善するために,自動サッカーゲーム解説モデルの構築を検討する。 まず、既存のデータセットでよく見られるビデオテキストのミスアライメントを観察し、49試合のタイムスタンプを手動でアノテートする。 第2に,既存のデータセットを自動的に修正・フィルタリングするマルチモーダル時間アライメントパイプラインを提案する。 第3に、キュレートされたデータセットに基づいて、MatchVoiceという自動コメント生成モデルをトレーニングします。
  論文  参考訳（メタデータ） (2024-06-26T17:57:25Z)
• Game-MUG: Multimodal Oriented Game Situation Understanding and Commentary Generation Dataset [8.837048597513059]
  本稿では,新しいマルチモーダルゲーム状況理解とオーディエンスによるコメント生成データセットであるGAME-MUGを紹介する。 我々のデータセットは、YouTubeとTwitchの2020-2022 LOLゲームライブストリームから収集され、テキスト、オーディオ、時系列イベントログを含むマルチモーダルEスポーツゲーム情報を含んでいる。 また,ゲーム状況とオーディエンス会話理解を網羅して,新たなオーディエンス会話追加コメントデータセットを提案する。
  論文  参考訳（メタデータ） (2024-04-30T00:39:26Z)
• SoccerNet-Caption: Dense Video Captioning for Soccer Broadcasts Commentaries [71.44210436913029]
  本稿では,単一のタイムスタンプを固定したテキストコメンタリーの生成に着目した,高密度動画キャプションの新たな課題を提案する。 サッカー放送の715.9時間に約37万のタイムスタンプによるコメントからなる挑戦的なデータセットを提示する。
  論文  参考訳（メタデータ） (2023-04-10T13:08:03Z)
• Commentary Generation from Data Records of Multiplayer Strategy Esports Game [21.133690853111133]
  我々は、人気のあるエスポートゲームであるLeague of Legendsから構造化されたデータと注釈をペアリングする大規模なデータセットを構築します。 次に、Transformerベースのモデルを評価し、構造化データレコードからゲーム注釈を生成する。 データ・ツー・テキスト・ジェネレーションのコミュニティにおける潜在的研究を促進するために、データセットをリリースします。
  論文  参考訳（メタデータ） (2022-12-21T11:23:31Z)
• Going for GOAL: A Resource for Grounded Football Commentaries [66.10040637644697]
  本稿では,GrOunded footbAlLコメンタリー(GOAL)について紹介する。 本稿では,フレームリオーダー,モーメント検索,ライブコメンタリー検索,プレイバイプレイのライブコメンタリー生成といったタスクに対して,最先端のベースラインを提供する。 その結果,ほとんどのタスクにおいてSOTAモデルは合理的に機能することがわかった。
  論文  参考訳（メタデータ） (2022-11-08T20:04:27Z)
• LiveSeg: Unsupervised Multimodal Temporal Segmentation of Long Livestream Videos [82.48910259277984]
  ライブストリームのチュートリアルビデオは通常数時間、録画され、ライブセッションの直後に直接インターネットにアップロードされるため、他の人がすぐに追いつくのが難しくなる。 アウトラインは有益なソリューションであり、トピックに応じてビデオが時間的にセグメント化される必要がある。 我々は、異なるドメインのマルチモーダル機能を生かした、教師なしのLivestreamビデオテンポラルソリューションLiveSegを提案する。
  論文  参考訳（メタデータ） (2022-10-12T00:08:17Z)
• GOAL: Towards Benchmarking Few-Shot Sports Game Summarization [0.3683202928838613]
  GOALは,イングランド初のスポーツゲーム要約データセットである。 GOALには103のコメントとニュースのペアがあり、それぞれ2724.9語と476.3語である。
  論文  参考訳（メタデータ） (2022-07-18T14:29:18Z)
• Temporally-Aware Feature Pooling for Action Spotting in Soccer Broadcasts [86.56462654572813]
  私たちは、サッカーの試合の主なアクションを一時的にローカライズするサッカー放送におけるアクションスポッティングの分析に焦点を当てています。 時間的知識を組み込んだNetVLAD++という,NetVLADに基づく新たな機能プーリング手法を提案する。 我々は最近の大規模データセット SoccerNet-v2 の方法論をトレーニングし、評価し、アクションスポッティングのための平均平均mAP 53.4% に達した。
  論文  参考訳（メタデータ） (2021-04-14T11:09:03Z)
• SoccerNet-v2: A Dataset and Benchmarks for Holistic Understanding of Broadcast Soccer Videos [71.72665910128975]
  SoccerNet-v2 は SoccerNet ビデオデータセット用の手動アノテーションの大規模なコーパスである。 SoccerNetの500の未トリミングサッカービデオの中で、約300万のアノテーションをリリースしています。 サッカーの領域における現在のタスクを拡張し、アクションスポッティング、カメラショットセグメンテーション、境界検出を含む。
  論文  参考訳（メタデータ） (2020-11-26T16:10:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。