論文の概要: Content-based Video Retrieval in Traffic Videos using Latent Dirichlet Allocation Topic Model

• arxiv url: http://arxiv.org/abs/2502.05457v1
• Date: Sat, 08 Feb 2025 05:41:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-11 14:32:17.405488
• Title: Content-based Video Retrieval in Traffic Videos using Latent Dirichlet Allocation Topic Model
• Title（参考訳）: 遅延ディリクレアロケーショントピックモデルを用いた交通映像のコンテンツに基づく検索
• Authors: Mohammad Kianpisheh,
• Abstract要約: 本研究では,遅延ディリクレ配置(LDA)トピックモデルを用いて,監視ビデオに教師なしで注釈を付ける。 4つの検索戦略が提案され,提案したクエリの定式化を用いて,ユーザがさまざまなアクティビティを定義し,検索することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Content-based video retrieval is one of the most challenging tasks in surveillance systems. In this study, Latent Dirichlet Allocation (LDA) topic model is used to annotate surveillance videos in an unsupervised manner. In scene understanding methods, some of the learned patterns are ambiguous and represents a mixture of atomic actions. To address the ambiguity issue in the proposed method, feature vectors, and the primary model are processed to obtain a secondary model which describes the scene with primitive patterns that lack any ambiguity. Experiments show performance improvement in the retrieval task compared to other topic model-based methods. In terms of false positive and true positive responses, the proposed method achieves at least 80\% and 124\% improvement respectively. Four search strategies are proposed, and users can define and search for a variety of activities using the proposed query formulation which is based on topic models. In addition, the lightweight database in our method occupies much fewer storage which in turn speeds up the search procedure compared to the methods which are based on low-level features.
• Abstract（参考訳）: コンテンツに基づくビデオ検索は、監視システムにおいて最も困難なタスクの1つである。 本研究では,遅延ディリクレ配置(LDA)トピックモデルを用いて,監視ビデオに教師なしで注釈を付ける。 シーン理解法では、学習されたパターンのいくつかはあいまいであり、原子の作用の混合を表す。 提案手法におけるあいまいさ問題に対処するため,特徴ベクトルと一次モデルを処理し,あいまいさを欠いた原始パターンのシーンを記述する二次モデルを得る。 実験は、他のトピックモデルに基づく手法と比較して、検索タスクの性能改善を示す。 偽陽性と真正の反応の両面から,提案手法は,それぞれ80 %と124 %の改善を達成している。 4つの検索戦略が提案され,トピックモデルに基づくクエリの定式化によって,ユーザがさまざまなアクティビティを定義し,検索することができる。 さらに,本手法の軽量データベースは,低レベルの特徴に基づく手法に比べて,探索手順を高速化するストレージをはるかに少なくする。

関連論文リスト

• Appearance-Based Refinement for Object-Centric Motion Segmentation [85.2426540999329]
  本稿では,ビデオストリームの時間的一貫性を利用して,不正確なフローベース提案を補正する外観に基づく改善手法を提案する。 提案手法では,高精度なフロー予測マスクを模範として,シーケンスレベルの選択機構を用いる。 パフォーマンスは、DAVIS、YouTube、SegTrackv2、FBMS-59など、複数のビデオセグメンテーションベンチマークで評価されている。
  論文  参考訳（メタデータ） (2023-12-18T18:59:51Z)
• Conditional Modeling Based Automatic Video Summarization [70.96973928590958]
  ビデオ要約の目的は、全体を伝えるのに必要な重要な情報を保持しながら、自動的にビデオを短縮することである。 映像要約法は視覚的連続性や多様性などの視覚的要因に依存しており、ビデオの内容を完全に理解するには不十分である。 映像要約への新たなアプローチは、人間が地上の真実のビデオ要約を作成する方法から得られる知見に基づいて提案されている。
  論文  参考訳（メタデータ） (2023-11-20T20:24:45Z)
• Weakly-Supervised Action Localization by Hierarchically-structured Latent Attention Modeling [19.683714649646603]
  弱教師付きアクションローカライゼーションは、ビデオレベルのラベルのみを持つ未トリミングビデオにおけるアクションインスタンスを認識およびローカライズすることを目的としている。 既存のモデルのほとんどはマルチインスタンス学習(MIL)に依存しており、ラベル付きバッグを分類することでラベル付きインスタンスの予測を監督している。 本稿では,特徴セマンティクスの時間的変動を学習するために,新しい注意に基づく階層構造潜在モデルを提案する。
  論文  参考訳（メタデータ） (2023-08-19T08:45:49Z)
• A baseline on continual learning methods for video action recognition [15.157938674002793]
  継続学習は、古典的な教師付きモデルの長期的制限を解決することを目的としている。 本稿では,映像行動認識における最先端の連続学習手法のベンチマークを示す。
  論文  参考訳（メタデータ） (2023-04-20T14:20:43Z)
• Diffusion Action Segmentation [63.061058214427085]
  本稿では,このような反復的洗練の本質的な精神を共用した拡散モデルによる新しい枠組みを提案する。 このフレームワークでは、入力された映像の特徴を条件としてランダムノイズから行動予測を反復的に生成する。
  論文  参考訳（メタデータ） (2023-03-31T10:53:24Z)
• Regularity Learning via Explicit Distribution Modeling for Skeletal Video Anomaly Detection [43.004613173363566]
  確率的視点からポーズ動作表現を提供するために,新しい動き埋め込み (ME) を提案する。 タスク固有の空間時間変換器(STT)を自己教師型ポーズシーケンス再構築のために配置する。 MoPRLは、いくつかの挑戦的なデータセットに対して平均4.7%のAUCの改善によって最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2021-12-07T11:52:25Z)
• MEAL: Manifold Embedding-based Active Learning [0.0]
  アクティブな学習は、ラベル付けのための最も有望なサンプルを提案することで、少量のデータから学ぶのに役立つ。 本稿では,各獲得ステップにおいて,有望な画像領域を提案するアクティブラーニングのためのプールベースの新しい手法を提案する。 また,Cityscapesでは,Cityscapesでは,CamVidの性能向上が認められなかった。
  論文  参考訳（メタデータ） (2021-06-22T15:22:56Z)
• Few-shot Classification via Adaptive Attention [93.06105498633492]
  ごく少数の参照サンプルに基づいて,クエリサンプル表現を最適化し,高速に適応する新しい数ショット学習手法を提案する。 実験で実証したように,提案モデルでは,様々なベンチマーク数ショット分類と微粒化認識データセットを用いて,最先端の分類結果を達成している。
  論文  参考訳（メタデータ） (2020-08-06T05:52:59Z)
• Fast Template Matching and Update for Video Object Tracking and Segmentation [56.465510428878]
  私たちが取り組もうとしている主な課題は、フレームの列にまたがるマルチインスタンスの半教師付きビデオオブジェクトセグメンテーションである。 課題は、結果を予測するためのマッチングメソッドの選択と、ターゲットテンプレートを更新するかどうかを決定することである。 本稿では,これら2つの決定を同時に行うために,強化学習を利用する新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-04-16T08:58:45Z)
• Delving into 3D Action Anticipation from Streaming Videos [99.0155538452263]
  アクション予測は、部分的な観察でアクションを認識することを目的としている。 本稿では,いくつかの相補的評価指標を導入し,フレームワイド動作分類に基づく基本モデルを提案する。 また,全動作表現とクラス非依存行動ラベルという2つの側面から補助情報を取り入れたマルチタスク学習戦略についても検討する。
  論文  参考訳（メタデータ） (2019-06-15T10:30:29Z)

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。