論文の概要: Attend to what I say: Highlighting relevant content on slides

• arxiv url: http://arxiv.org/abs/2601.10244v1
• Date: Thu, 15 Jan 2026 10:04:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-16 19:43:19.09313
• Title: Attend to what I say: Highlighting relevant content on slides
• Title（参考訳）: スライドで関連コンテンツをハイライトする
• Authors: Megha Mariam K M, C. V. Jawahar,
• Abstract要約: 本稿では,話者の物語に基づいて,最も関連性の高いスライド領域を自動的に識別し,ハイライトする手法を提案する。 音声コンテンツを解析し、スライド内のテキストまたはグラフィカル要素とマッチングすることにより、我々のアプローチはリスナーが聞くものと出席するために必要なものとの同期性を向上する。
• 参考スコア（独自算出の注目度）: 15.282453684375293
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Imagine sitting in a presentation, trying to follow the speaker while simultaneously scanning the slides for relevant information. While the entire slide is visible, identifying the relevant regions can be challenging. As you focus on one part of the slide, the speaker moves on to a new sentence, leaving you scrambling to catch up visually. This constant back-and-forth creates a disconnect between what is being said and the most important visual elements, making it hard to absorb key details, especially in fast-paced or content-heavy presentations such as conference talks. This requires an understanding of slides, including text, graphics, and layout. We introduce a method that automatically identifies and highlights the most relevant slide regions based on the speaker's narrative. By analyzing spoken content and matching it with textual or graphical elements in the slides, our approach ensures better synchronization between what listeners hear and what they need to attend to. We explore different ways of solving this problem and assess their success and failure cases. Analyzing multimedia documents is emerging as a key requirement for seamless understanding of content-rich videos, such as educational videos and conference talks, by reducing cognitive strain and improving comprehension. Code and dataset are available at: https://github.com/meghamariamkm2002/Slide_Highlight
• Abstract（参考訳）: プレゼンテーションの席に座って、スピーカーを追いかけながら、スライドをスキャンして関連する情報を見つけようとするところを想像してみてほしい。 スライド全体が見えるが、関連する領域を特定することは難しい。 スライドの一部に集中すると、話者は新しい文に移動し、視覚的に追いつくために走り続ける。 この絶え間ないバック・アンド・フォースによって、発言されているものと最も重要な視覚的要素が切り離されるため、特に会議のような急激なペースや内容の多いプレゼンテーションにおいて、重要な詳細を吸収することが難しくなる。 これはテキスト、グラフィック、レイアウトを含むスライドを理解する必要がある。 本稿では,話者の物語に基づいて,最も関連性の高いスライド領域を自動的に識別し,ハイライトする手法を提案する。 音声コンテンツを解析し、スライド内のテキストまたはグラフィカル要素とマッチングすることにより、我々のアプローチはリスナーが聞くものと出席するために必要なものとの同期性を向上する。 私たちは、この問題を解決するさまざまな方法を検討し、その成功と失敗ケースを評価します。 マルチメディア文書の分析は、認知の歪みを減らし、理解を向上させることによって、教育ビデオや会議のようなコンテンツリッチなビデオのシームレスな理解のための重要な要件として浮上している。 コードとデータセットは、https://github.com/meghamariamkm2002/Slide_Highlight.comで入手できる。

関連論文リスト

• BOOM: Beyond Only One Modality KIT's Multimodal Multilingual Lecture Companion [56.41649972542962]
  講義音声とスライドを共同で翻訳し、3つのモードで同期出力を生成する多言語講義コンパニオンである textbfBOOM を提示する。 実験により,スライド対応文字起こしは,要約や質問応答といった下流タスクにカスケード効果をもたらすことが示された。
  論文  参考訳（メタデータ） (2025-12-02T14:27:26Z)
• Paper2Video: Automatic Video Generation from Scientific Papers [62.634562246594555]
  Paper2Videoは、著者が作成したプレゼンテーションビデオ、スライド、スピーカーメタデータと組み合わせた101の研究論文の最初のベンチマークである。 そこで我々は,学術プレゼンテーションビデオ生成のための最初のマルチエージェントフレームワークであるPaperTalkerを提案する。
  論文  参考訳（メタデータ） (2025-10-06T17:58:02Z)
• Generating Narrated Lecture Videos from Slides with Synchronized Highlights [55.2480439325792]
  本稿では,静的スライドをビデオ講義に変換するプロセスを自動化するエンド・ツー・エンドシステムを提案する。 このシステムは、動的視覚ハイライトと正確に同期されたAI生成ナレーションを特徴とするビデオ講義を合成する。 そこで本研究では,1000個のサンプルを手動でアノテートしたスライドデータセットを用いた技術評価により,システムの有効性を実証する。
  論文  参考訳（メタデータ） (2025-05-05T18:51:53Z)
• FastPerson: Enhancing Video Learning through Effective Video Summarization that Preserves Linguistic and Visual Contexts [23.6178079869457]
  本稿では,講義ビデオにおける視覚情報と聴覚情報の両方を考慮した映像要約手法であるFastPersonを提案する。 FastPersonは、音声の書き起こしと画面上の画像とテキストを利用して要約ビデオを作成する。 従来のビデオ再生方式と同じレベルの理解度で視聴時間を53%短縮する。
  論文  参考訳（メタデータ） (2024-03-26T14:16:56Z)
• Multimodal Lecture Presentations Dataset: Understanding Multimodality in Educational Slides [57.86931911522967]
  学習内容のマルチモーダル理解における機械学習モデルの能力を検証する。 このデータセットには,180時間以上のビデオと9000時間以上のスライドが,各科目から10人の講師が参加している。 マルチモーダル・トランスフォーマーであるPolyViLTを導入する。
  論文  参考訳（メタデータ） (2022-08-17T05:30:18Z)
• "Notic My Speech" -- Blending Speech Patterns With Multimedia [65.91370924641862]
  音声認識と理解における視点依存と視覚的重要性の両方をモデル化するための視点時間的注意機構を提案する。 提案手法は, ビセム誤差率において, 既存の作業よりも4.99%優れていた。 モデルでは,多視点音声に対する理解と人間の知覚との間に強い相関関係があることが示されている。
  論文  参考訳（メタデータ） (2020-06-12T06:51:55Z)

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。