論文の概要: Subjective Portrait Region Cropping in Landscape Videos with Temporal Annotation Smoothing

• arxiv url: http://arxiv.org/abs/2604.24947v1
• Date: Mon, 27 Apr 2026 19:42:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-29 16:49:17.574563
• Title: Subjective Portrait Region Cropping in Landscape Videos with Temporal Annotation Smoothing
• Title（参考訳）: 時間的アノテーション平滑化による景観映像の主観的画像領域のクロップ
• Authors: Cheng-Han Lee, Maniratnam Mandal, Neil Birkbeck, Yilin Wang, Balu Adsumilli, Alan C. Bovik,
• Abstract要約: 1800本のビデオが収録され,90人の被験者が注釈を付けたLIV-YouTube Video Croppingデータベースを紹介した。 YouTube-UGCデータベースとLSVQデータベースからソースされたビデオを使用して、この新しいリソースは、一般公開されている最大の主観的ビデオポートレート領域トリミングデータベースである。 LIVE-YT VC++と呼ばれるデータベースの処理後バージョンを導入し、フレーム内時間フィルタを新たに導入して、各ビデオ内のスムーズな主観的アノテーションを実現した。
• 参考スコア（独自算出の注目度）: 32.890796703337095
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: With the rise of mobile video consumption on diverse handheld display resolutions and orientation modes, altering videos to aspect ratios poses challenges. Static cropping and border padding often compromises visual quality, while warping may distort a video's intended meaning. Here we advocate for a more effective approach: cropping significant regions within video frames in a temporal manner, while minimizing distortion and preserving essential content. One barrier to solving this problem is the lack of sufficiently large-scale database devoted to informing these tasks. Towards filling this gap, we introduce the LIVE-YouTube Video Cropping (LIVE-YT VC) database, featuring 1800 videos, annotated by 90 human subjects. Using videos sourced from the YouTube-UGC and LSVQ Databases, this new resource is the largest publicly-available subjective video portrait region cropping database. We also introduce a post-processed version of the database, called LIVE-YT VC++, whereby a novel intra-frame temporal filter was deployed to smooth subjective annotations within each video. We demonstrate the usefulness of this new data resource using the SmartVidCrop algorithm and state-of-the-art video grounding models, in hopes of establishing our subjective dataset as a benchmark for future research. Our contributions offer a resource for advancing video aspect ratio transformation models towards ensuring that reshaped mobile-friendly video content retains its quality and meaning. Since our labels bear resemblances to video saliency annotations, we also conducted an additional analysis to explore the similarity between our labels and video saliency predictions. Finally, we repurposed state-of-the-art video grounding models for aspect ratio change tasks, and fine-tuned them on our dataset. As a service to the research community, we plan to open source the project.
• Abstract（参考訳）: 多様なハンドヘルドディスプレイの解像度と配向モードにおけるモバイルビデオの消費の増加により、ビデオのアスペクト比への変更が課題となっている。 静的な収穫と境界パッドはしばしば視覚的品質を損なうが、ワープはビデオの意味を歪めることがある。 ここでは、時間的にビデオフレーム内の重要な領域を収穫し、歪みを最小限に抑え、本質的な内容を保存するという、より効果的なアプローチを提唱する。 この問題を解決するための障壁の1つは、これらのタスクを伝えるのに十分な大規模なデータベースがないことである。 LIVE-YouTube Video Cropping (LIVE-YT VC) データベースでは,90名の被験者がアノテートした1800本の動画が紹介されている。 YouTube-UGCとLSVQ Databasesからソースされたビデオを使って、この新しいリソースは、一般公開されている最大の主観的なビデオポートレート領域トリミングデータベースである。 LIVE-YT VC++と呼ばれるデータベースの処理後バージョンを導入し、フレーム内時間フィルタを新たに導入して、各ビデオ内のスムーズな主観的アノテーションを実現した。 我々は,SmartVidCropアルゴリズムと最先端のビデオグラウンドモデルを用いて,この新たなデータリソースの有用性を実証し,今後の研究のベンチマークとして,我々の主観的データセットを確立することを期待する。 我々のコントリビューションは、モバイルフレンドリーなビデオコンテンツが品質と意味を維持することを保証するために、ビデオアスペクト比変換モデルを進めるためのリソースを提供する。 我々のラベルはビデオ・サリエンシ・アノテーションに類似しているため、我々のラベルとビデオ・サリエンシ・予測との類似性を調べるために追加分析を行った。 最後に、アスペクト比変化タスクのための最先端のビデオグラウンドモデルを再使用し、データセット上で微調整した。 研究コミュニティへのサービスとして、プロジェクトをオープンソース化する予定です。

関連論文リスト

• Generative Video Matting [57.186684844156595]
  ビデオ・マッティングは、伝統的に高品質な地上データがないために制限されてきた。 既存のビデオ・マッティング・データセットのほとんどは、人間が注釈付けした不完全なアルファとフォアグラウンドのアノテーションのみを提供する。 本稿では,事前学習したビデオ拡散モデルから,よりリッチな事前処理を効果的に活用できる新しいビデオマッチング手法を提案する。
  論文  参考訳（メタデータ） (2025-08-11T12:18:55Z)
• Video Repurposing from User Generated Content: A Large-scale Dataset and Benchmark [5.76230561819199]
  1万本以上のビデオと12万本以上の注釈付きクリップからなる広範囲なデータセットであるRepurpose-10Kを提案する。 実世界のユーザ生成コンテンツからアノテーションを得るための2段階のソリューションを提案する。 この課題に対処するためのベースラインモデルとして,音声,視覚,キャプションの各側面を統合する。
  論文  参考訳（メタデータ） (2024-12-12T02:27:46Z)
• Video Decomposition Prior: A Methodology to Decompose Videos into Layers [74.36790196133505]
  本稿では,プロのビデオ編集の実践からインスピレーションを得た,VDP以前の新しいビデオ分解手法を提案する。 VDPフレームワークは、ビデオシーケンスを複数のRGBレイヤと関連する不透明度レベルに分解する。 ビデオオブジェクトのセグメンテーション、デハジング、リライティングといったタスクに対処する。
  論文  参考訳（メタデータ） (2024-12-06T10:35:45Z)
• Retargeting video with an end-to-end framework [14.270721529264929]
  本稿では,動画を任意の比率に再ターゲティングするためのエンドツーエンドのRETVI手法を提案する。 私たちのシステムは、以前よりも品質と実行時間で優れています。
  論文  参考訳（メタデータ） (2023-11-08T04:56:41Z)
• Latent Video Diffusion Models for High-Fidelity Long Video Generation [58.346702410885236]
  低次元ラテント空間を用いた軽量映像拡散モデルを提案する。 また,1000フレーム以上の長編動画を生成できるように,遅延空間における階層的拡散も提案する。 我々のフレームワークは、以前の強力なベースラインよりもリアルで長いビデオを生成する。
  論文  参考訳（メタデータ） (2022-11-23T18:58:39Z)
• VRAG: Region Attention Graphs for Content-Based Video Retrieval [85.54923500208041]
  Region Attention Graph Networks (VRAG) は最先端のビデオレベルの手法を改善している。 VRAGは、地域レベルの特徴を通して、より細かい粒度のビデオを表現し、地域レベルの関係を通して、ビデオ時間ダイナミクスをエンコードする。 本研究では,映像のセグメント化や映像検索にショット埋め込みを用いることで,映像レベルとフレームレベルの性能差を低減できることを示す。
  論文  参考訳（メタデータ） (2022-05-18T16:50:45Z)
• Video Demoireing with Relation-Based Temporal Consistency [68.20281109859998]
  カラー歪みのように見えるモアレパターンは、デジタルカメラでスクリーンを撮影する際に、画像と映像の画質を著しく劣化させる。 我々は、このような望ましくないモアレパターンをビデオで除去する方法を研究している。
  論文  参考訳（メタデータ） (2022-04-06T17:45:38Z)
• Feature Re-Learning with Data Augmentation for Video Relevance Prediction [35.87597969685573]
  再学習は、アフィン変換によって与えられた深い機能を新しい空間に投影することで実現される。 本稿では,フレームレベルとビデオレベルの機能に直接依存する新たなデータ拡張戦略を提案する。
  論文  参考訳（メタデータ） (2020-04-08T05:22:41Z)

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。