論文の概要: Detecting Cultural Differences in News Video Thumbnails via Computational Aesthetics

• arxiv url: http://arxiv.org/abs/2505.21912v1
• Date: Wed, 28 May 2025 02:58:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-29 17:35:50.382516
• Title: Detecting Cultural Differences in News Video Thumbnails via Computational Aesthetics
• Title（参考訳）: 計算美学によるニュース映像の文化差の検出
• Authors: Marvin Limpijankit, John Kender,
• Abstract要約: 本稿では,文化親和性の異なるソース間の画像のスタイルの違いを検出するための2段階のアプローチを提案する。 このアプローチを、米国と中国の2つのYouTubeチャンネルから等しく採取された2,400本のYouTubeビデオサムネイルで検証する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a two-step approach for detecting differences in the style of images across sources of differing cultural affinity, where images are first clustered into finer visual themes based on content before their aesthetic features are compared. We test this approach on 2,400 YouTube video thumbnails taken equally from two U.S. and two Chinese YouTube channels, and relating equally to COVID-19 and the Ukraine conflict. Our results suggest that while Chinese thumbnails are less formal and more candid, U.S. channels tend to use more deliberate, proper photographs as thumbnails. In particular, U.S. thumbnails are less colorful, more saturated, darker, more finely detailed, less symmetric, sparser, less varied, and more up close and personal than Chinese thumbnails. We suggest that most of these differences reflect cultural preferences, and that our methods and observations can serve as a baseline against which suspected visual propaganda can be computed and compared.
• Abstract（参考訳）: 本稿では,異なる文化親和性を持つソース間でのイメージのスタイルの違いを検出するための2段階のアプローチを提案する。 このアプローチを、米国と中国の2つのYouTubeチャンネルから等しく採取された2,400本のYouTubeビデオサムネイルで検証した。 以上の結果から、中国のサムネイルはフォーマルで率直なものではないが、米国のチャンネルではサムネイルとして、より故意で適切な写真を使用する傾向にあることが示唆された。 特に、アメリカのサムネイルは、よりカラフルで、より飽和し、より暗く、より微細で、より対称性が低く、スペーサーが小さく、多様性が低く、中国のサムネイルよりも親密で個人的なものである。 これらの違いのほとんどは文化的な嗜好を反映しており、我々の方法や観察は、疑わしい視覚プロパガンダを計算・比較できる基準となることを示唆している。

関連論文リスト

• Towards Micro-video Thumbnail Selection via a Multi-label Visual-semantic Embedding Model [0.0]
  サムネイルは、マイクロビデオの初見として、ユーザーがクリックして視聴する際の重要な役割を担っている。 本稿では,各フレーム間の類似度と,ユーザが興味を持っている話題との類似度を推定するために,マルチラベルのビジュアル・セマンティック・埋め込みモデルを提案する。 我々は、各フレームの視覚的表現スコアと人気スコアを融合させ、与えられたマイクロビデオの魅力的なサムネイルを選択する。
  論文  参考訳（メタデータ） (2022-02-07T04:15:26Z)
• Multi-domain Unsupervised Image-to-Image Translation with Appearance Adaptive Convolution [62.4972011636884]
  本稿では,MDUIT(Multi-domain unsupervised image-to-image translation)フレームワークを提案する。 我々は、分解されたコンテンツ特徴と外観適応的畳み込みを利用して、画像をターゲットの外観に変換する。 提案手法は,最先端の手法と比較して,複数の領域で視覚的に多様かつ妥当な結果が得られることを示す。
  論文  参考訳（メタデータ） (2022-02-06T14:12:34Z)
• Understanding and Evaluating Racial Biases in Image Captioning [18.184279793253634]
  画像キャプション内のバイアス伝搬経路について検討し,特にCOCOデータセットに着目した。 より軽い人と暗い肌の人の画像のキャプション性能,感情,言葉選択の差異を示す。
  論文  参考訳（メタデータ） (2021-06-16T01:07:24Z)
• Broaden Your Views for Self-Supervised Video Learning [97.52216510672251]
  ビデオのための自己教師型学習フレームワークBraVeを紹介する。 BraVeでは、ビューの1つがビデオの狭い一時的なウィンドウにアクセスでき、もう1つのビューはビデオコンテンツに広くアクセスできます。 BraVeが標準ビデオおよびオーディオ分類ベンチマークで自己監督表現学習の最先端の結果を達成することを実証します。
  論文  参考訳（メタデータ） (2021-03-30T17:58:46Z)
• Thumbnail: A Novel Data Augmentation for Convolutional Neural Network [6.066543113636522]
  サムネイルと呼ばれる特定のサイズに画像を縮小し、元の画像のランダムな位置に貼り付けることで生成された画像を取得します。 生成された画像は元の画像情報の大部分を保持するが、サムネイルのグローバル情報も保持する。 サムネイルのアイデアは、Mixed Sample Data Augmentationと完全に統合できることに気付きました。
  論文  参考訳（メタデータ） (2021-03-09T10:45:55Z)
• L2C: Describing Visual Differences Needs Semantic Understanding of Individuals [65.87728481187625]
  本稿では,2つの画像の意味構造を学習し,それぞれを学習しながら比較するラーニング・トゥ・コンペア・モデルを提案する。 我々は,L2Cが明示的な意味表現と単一イメージのキャプションの比較から得られる利点を実証し,新しいテスト画像対をよりよく一般化することを示した。
  論文  参考訳（メタデータ） (2021-02-03T03:44:42Z)
• Focus Longer to See Better:Recursively Refined Attention for Fine-Grained Image Classification [148.4492675737644]
  Deep Neural Networkは、粗い粒度の画像分類タスクにおいて大きな進歩を見せている。 本稿では,これらの限界差に着目して,より代表的な特徴を抽出する。 我々のネットワークは、画像の一部に繰り返し焦点を合わせ、クラス間の小さな識別的部分を見つける。
  論文  参考訳（メタデータ） (2020-05-22T03:14:18Z)
• Watching the World Go By: Representation Learning from Unlabeled Videos [78.22211989028585]
  近年の単一画像教師なし表現学習技術は,様々なタスクにおいて顕著な成功を収めている。 本稿では,この自然な拡張を無償で提供することを論じる。 そこで本稿では,ビデオノイズコントラスト推定(Voice Noise Contrastive Estimation)を提案する。
  論文  参考訳（メタデータ） (2020-03-18T00:07:21Z)
• Mi YouTube es Su YouTube? Analyzing the Cultures using YouTube Thumbnails of Popular Videos [98.87558262467257]
  本研究では,YouTubeのトレンド動画のサムネイルを用いて,各国の文化選好について検討した。 実験の結果、類似文化のユーザーはYouTubeで同様のビデオを見ることに興味を持っていることがわかった。
  論文  参考訳（メタデータ） (2020-01-27T20:15:57Z)

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。