Spatial and temporal scoring for egocentric video summarization

ما یک رویکرد خلاصه ای برای ویدیوی خودکشی ارائه می دهیم. با توجه به ساعتهای ویدئویی، روش پیشنهادی، خلاصه ای از روزنامه نگار را تهیه می کند. بر خلاف تکنیک های انتخاب سنتی کلیدی، خلاصه ای که به دست می آید بر روی مهم ترین فیلم های ویدئویی تمرکز می کند که منعکس کننده و قابل قبول بودن بالا، تبعیض و نمایندگی است. برای رسیدن به این هدف، ما از نشانه های شخصیت های احساسی، نشانه های حرکتی و یک مدل انتخاب برای جمع آوری وزن قابل توجهی، وزن تشخیصی و وزن نمایه فیلم ویدئویی استفاده می کنیم. ما این وزنها را در چهارچوب یکپارچه ترکیب می کنیم تا امتیاز اهمیت شات را پیش بینی کنیم، که بر اساس آن، عکس های مهم برای نمایشنامه انتخاب می شوند. به طور کثیری، این رویکرد، نه خاصیت خاص دوربین و نه خاصیت خاص است. این بدان معنی است که متریک اهمیت آموخته شده برای یک کاربر یا زمینه خاص آموزش داده نمی شود و می تواند اهمیت عکس هایی را که قبلا دیده نشده است، پیش بینی کند. نتایج تجربی در سه مجموعه داده های ویدئویی در سراسر ژانرهای مختلف نشان می دهد که رویکرد پیشنهاد ما به روشنی از چندین روش پیشرفته پیشرفته تر است.