論文の概要: VisTopics: A Visual Semantic Unsupervised Approach to Topic Modeling of Video and Image Data

• arxiv url: http://arxiv.org/abs/2505.14868v1
• Date: Tue, 20 May 2025 19:59:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-23 14:49:22.534283
• Title: VisTopics: A Visual Semantic Unsupervised Approach to Topic Modeling of Video and Image Data
• Title（参考訳）: VisTopics:ビデオと画像データのトピックモデリングのための視覚的セマンティックな教師なしアプローチ
• Authors: Ayse D Lokmanoglu, Dror Walter,
• Abstract要約: この研究は、大規模なビジュアルデータセットを分析するために設計された計算フレームワークであるVisTopicsを紹介した。 VisTopicsを452のNBC Newsビデオのデータセットに適用すると、11,070フレームを6,928の重複フレームに減らし、セマンティックに分析して35のトピックを明らかにした。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Understanding visual narratives is crucial for examining the evolving dynamics of media representation. This study introduces VisTopics, a computational framework designed to analyze large-scale visual datasets through an end-to-end pipeline encompassing frame extraction, deduplication, and semantic clustering. Applying VisTopics to a dataset of 452 NBC News videos resulted in reducing 11,070 frames to 6,928 deduplicated frames, which were then semantically analyzed to uncover 35 topics ranging from political events to environmental crises. By integrating Latent Dirichlet Allocation with caption-based semantic analysis, VisTopics demonstrates its potential to unravel patterns in visual framing across diverse contexts. This approach enables longitudinal studies and cross-platform comparisons, shedding light on the intersection of media, technology, and public discourse. The study validates the method's reliability through human coding accuracy metrics and emphasizes its scalability for communication research. By bridging the gap between visual representation and semantic meaning, VisTopics provides a transformative tool for advancing the methodological toolkit in computational media studies. Future research may leverage VisTopics for comparative analyses across media outlets or geographic regions, offering insights into the shifting landscapes of media narratives and their societal implications.
• Abstract（参考訳）: 視覚的物語を理解することは、メディア表現の進化するダイナミクスを調べるために不可欠である。 本研究では、フレーム抽出、重複解消、セマンティッククラスタリングを含むエンドツーエンドパイプラインを通じて、大規模ビジュアルデータセットを解析するための計算フレームワークであるVisTopicsを紹介する。 VisTopicsを452のNBC Newsビデオのデータセットに適用すると、11,070フレームが6,928フレームに縮小され、セマンティックに分析され、政治的出来事から環境危機まで35のトピックが明らかになった。 Latent Dirichlet Allocationとキャプションベースのセマンティック分析を統合することで、VisTopicsは様々なコンテキストで視覚フレーミングのパターンを解き放つ可能性を示している。 このアプローチは、縦断的な研究とクロスプラットフォームの比較を可能にし、メディア、技術、公共の話題の交わりに光を当てる。 本研究は,人間の符号化精度測定値を用いて信頼性を検証し,通信研究のスケーラビリティを強調した。 視覚表現と意味のギャップを埋めることで、VisTopicsは、コンピュータメディア研究における方法論的ツールキットを進化させるための変換ツールを提供する。 将来の研究は、メディアメディアや地域をまたいだ比較分析にVisTopicsを活用し、メディア物語の変化する風景とその社会的意味に関する洞察を提供するかもしれない。

関連論文リスト

• Automated Sentiment Classification and Topic Discovery in Large-Scale Social Media Streams [3.5279571333221913]
  本稿では,Twitterの言論の大規模感情分析とトピック分析のためのフレームワークを提案する。 私たちのパイプラインは、コンフリクト固有のキーワードを使用して、ターゲットデータ収集から始まります。 タイムスタンプ,位置情報,語彙内容などの情緒的特徴と文脈的特徴の関係について検討した。
  論文  参考訳（メタデータ） (2025-05-03T18:04:57Z)
• Foundational Models Defining a New Era in Vision: A Survey and Outlook [151.49434496615427]
  視覚シーンの構成的性質を観察し、推論する視覚システムは、我々の世界を理解するのに不可欠である。 モデルは、このようなモダリティと大規模なトレーニングデータとのギャップを埋めることを学び、コンテキスト推論、一般化、テスト時の迅速な機能を容易にした。 このようなモデルの出力は、例えば、バウンディングボックスを設けて特定のオブジェクトをセグメント化したり、画像や映像シーンについて質問したり、言語命令でロボットの動作を操作することで対話的な対話を行うなど、リトレーニングすることなく、人為的なプロンプトによって変更することができる。
  論文  参考訳（メタデータ） (2023-07-25T17:59:18Z)
• Few Shot Semantic Segmentation: a review of methodologies, benchmarks, and open challenges [5.0243930429558885]
  Few-Shot Semanticはコンピュータビジョンの新しいタスクであり、いくつかの例で新しいセマンティッククラスをセグメンテーションできるモデルを設計することを目的としている。 本稿では、Few-Shot Semanticの総合的な調査からなり、その進化を辿り、様々なモデル設計を探求する。
  論文  参考訳（メタデータ） (2023-04-12T13:07:37Z)
• Cross-modal Semantic Enhanced Interaction for Image-Sentence Retrieval [8.855547063009828]
  本稿では、画像文検索のためのCMSEIと呼ばれるクロスモーダル・セマンティック・エンハンスメント・インタラクション手法を提案する。 まず、オブジェクトの意味表現を強化するために、モーダル内およびモーダル間空間および意味グラフに基づく推論を設計する。 オブジェクトのコンテキストとテキストのコンテキストを関連付けるために,クロスレベルなオブジェクト文と単語画像に基づく対話的注意による視覚的意味表現をさらに洗練する。
  論文  参考訳（メタデータ） (2022-10-17T10:01:16Z)
• SocialVisTUM: An Interactive Visualization Toolkit for Correlated Neural Topic Models on Social Media Opinion Mining [0.07538606213726905]
  意見マイニングにおける最近の研究は、単語埋め込みに基づくトピックモデリング手法を提案する。 そこで本稿では,SocialVisTUMを用いてソーシャルメディアのテキストに関連性のあるトピックモデルを表示する方法について述べる。
  論文  参考訳（メタデータ） (2021-10-20T14:04:13Z)
• From Show to Tell: A Survey on Image Captioning [48.98681267347662]
  視覚と言語を結びつけることは、ジェネレーティブ・インテリジェンスにおいて重要な役割を担っている。 画像キャプションの研究はまだ結論に達していない。 本研究の目的は,画像キャプション手法の包括的概要と分類を提供することである。
  論文  参考訳（メタデータ） (2021-07-14T18:00:54Z)
• Matching Visual Features to Hierarchical Semantic Topics for Image Paragraph Captioning [50.08729005865331]
  本稿では,階層的トピック誘導画像段落生成フレームワークを開発した。 複数の抽象レベルでの画像とテキストの相関をキャプチャするために、変分推論ネットワークを設計します。 段落生成を導くために、学習した階層的トピックと視覚的特徴を言語モデルに統合する。
  論文  参考訳（メタデータ） (2021-05-10T06:55:39Z)
• Deep Co-Attention Network for Multi-View Subspace Learning [73.3450258002607]
  マルチビューサブスペース学習のための深層コアテンションネットワークを提案する。 共通情報と相補情報の両方を敵意で抽出することを目的としている。 特に、新しいクロス再構成損失を使用し、ラベル情報を利用して潜在表現の構築を誘導する。
  論文  参考訳（メタデータ） (2021-02-15T18:46:44Z)
• Spatio-Temporal Graph for Video Captioning with Knowledge Distillation [50.034189314258356]
  空間と時間におけるオブジェクトの相互作用を利用したビデオキャプションのためのグラフモデルを提案する。 我々のモデルは解釈可能なリンクを構築し、明示的な視覚的グラウンドを提供することができる。 オブジェクト数の変動による相関を回避するため,オブジェクト認識型知識蒸留機構を提案する。
  論文  参考訳（メタデータ） (2020-03-31T03:58:11Z)
• Image Segmentation Using Deep Learning: A Survey [58.37211170954998]
  イメージセグメンテーションは、画像処理とコンピュータビジョンにおいて重要なトピックである。 深層学習モデルを用いた画像セグメンテーション手法の開発を目的とした研究が,これまでに数多く行われている。
  論文  参考訳（メタデータ） (2020-01-15T21:37:47Z)

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。