메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김인철 (경기대학교)
저널정보
한국멀티미디어학회 멀티미디어학회논문지 멀티미디어학회논문지 제28권 제3호
발행연도
2025.3
수록면
412 - 425 (14page)
DOI
10.9717/kmms.2025.28.3.412

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
In order to understand a wide range of video scenes in detail, it is necessary not only to detect and track individual entities, but also to find dynamic relationships between them in sequential video scenes. In general, Video Relationship Detection(VRD) has some important issues: (1) how to set the primitive temporal regions to find inter-object relationships, (2) how to infer rich spatio-temporal context to predict each inter-object relationship correctly. In order to address these issues, we propose a novel video relationship detection model, STCN(Spatio-Temporal Context Network). STCN takes an efficient instance-based approach that assigns an unique instance ID to each video entity track found on an entire video, and then makes use of these IDs for both relation detection within each segment and relation association between neighboring segments. Furthermore, STCN adopts a novel spatio-temporal context reasoning module called ST-HSA. ST-HSA performs both spatial context reasoning with heterogeneous graph neural network and temporal context reasoning with Transformer self-attention layers. Through many quantitative and qualitative experiments with the VidOR benchmark dataset, we prove high performance of the proposed model.

목차

ABSTRACT
1. 서론
2. 관련 연구
3. 비디오 관계 탐지 모델
4. 구현 및 실험
5. 결론
REFERENCES

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0