영상 하이라이트 탐지를 위한 감정 기반 멀티모달 학습 모델

Q: 이 논문에서 정의한 멀티모델 학습이란 무엇인가?

음성, 이미지, 텍스트 등 다양한 형태의 데이터를 융합하여 학습하는 방법이다. 각 데이터가 가진 고유한 특징을 상호 보완적으로 활용함으로써 모델의 전반적인 성능을 향상시키는 것이 핵심이다.

Q: 음성 감정 정보와 영상 특징을 융합한 하이라이트 탐지 성능은 어떠한가?

연구 결과, 제안된 멀티모델은 음성 감정 기반 모델보다 F1 Score를 약 4.01%, 영상 기반 모델보다 약 7.76% 향상시켰다. 따라서 인물 중심 영상에서 감정 정보가 하이라이트 탐지 성능을 높이는 중요한 요소임을 입증하였다.

황유정; 김찬혁; 권혁윤

학술대회자료

저자정보: 황유정 (서울과학기술대학교) 김찬혁 (서울과학기술대학교) 권혁윤 (서울과학기술대학교)

저널정보: Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 2023 한국컴퓨터종합학술대회 논문집

오류 신고하기

피인용 0

검색

초록·키워드

본 연구에서는 영상 하이라이트 탐지를 위하여 음성에서 추출한 감정 정보와 영상에서 추출한 이미지를 동시에 활용하는 멀티모달 모델을 제안한다. 제안하는 핵심 아이디어는 Vision Transformer (ViT) 모델로부터 추출한 영상 프레임 특징과 Long Short-Term Memory (LSTM) 기반 감정, 각성도, 긍/부정도 추출 모델을 통해 추출한 감정 ... 전체 초록 보기

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료