基于图的用户生成视频中的事件与子事件分组：一种考虑失真效应的关键帧聚类方法

《ACM Transactions on Multimedia Computing, Communications, and Applications》：Graph-Based Event and Sub-Event Grouping in User-Generated Videos with Distortion-Aware Keyframe Clustering

　　

摘要AI总结

要查看此AI生成的总结，您需要拥有高级访问权限。

了解更多登录

摘要

摘要

在不受控制的环境中录制的用户生成内容视频往往存在模糊、画面抖动、光线变化以及视角差异较大的问题，这使得难以对同一事件的多个录像进行整理。本研究提出了一种集成流程，通过结合考虑畸变的关键帧选择、自适应音视频融合以及基于置信度的图结构构建，将用户生成内容视频分类为连贯的事件和子事件。该方法首先对片段级数据进行处理和聚类，以获得可靠的关键帧，然后通过轻量级的门控模块融合音视频线索，从而生成稳定的多模态描述符。这些描述符构成一个相似性图，其强边和弱边能够揭示子事件和事件结构，而无需依赖镜头边界或手动分割。尽管畸变建模、关键帧提取以及多模态相似性分析已被单独研究，但现有方法并未将它们整合起来用于层次化的用户生成内容视频分类。在JIKU数据集以及经过筛选的YouTube数据集上的实验表明，该方法的准确度、多样性以及聚类指标均有显著提升，证明了其在视频总结、多视角组织以及其他用户生成内容分析任务中的适用性。

AI总结

AI生成的总结（实验性）

此总结是由自动化工具生成的，并非由文章作者撰写或审核。它旨在帮助读者发现相关内容、评估文章的相关性，以及便于来自相关研究领域的读者理解文章内容。它是对作者提供的摘要的补充，后者仍是文章的主要总结部分。完整文章才是最具权威性的版本。点击此处了解更多。

点击此处，可以对此总结的准确性、清晰度及实用性发表意见。您的反馈将有助于进一步优化未来的生成版本。

要查看此AI生成的通俗语言总结，您需要拥有高级访问权限。