| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2022-02-22 10:15 Contrastive Self-Supervised Learning Framework for Unsupervised Video Summarization ○Xianliang Zhang・Li Tao（UTokyo）・Xueting Wang（CyberAgent AI Lab）・Toshihiko Yamasaki（UTokyo）  ITS2021-44 IE2021-53 |
|
| 抄録 | （和） | (まだ登録されていません) |
| （英） | The rapid growth of video data aggravates the effort by viewers in exploring informative data. This paper presents a framework based on contrastive learning for unsupervised video summarization to help people to extract important parts in those videos. In contrastive learning, anchor-positive and anchor-negative pairs are usually employed to fulfill learning deep representation from the anchor. In our study, a positive sample by reversing the anchor video is introduced, whose summarization should also be a reversed one. Meanwhile, by destroying temporal relations in the anchor video, the intra-negative video is generated, whose summarization should be quite different from the anchor. Finally, we design our framework to explore the similarity and differences of such samples with the anchor by two proposed summary losses. Experimental evaluations on two benchmark datasets show that our proposed framework surpasses the state-of-the-art unsupervised methods in terms of F-score and correlation coefficients. Without using any annotation, our method can even outperform many supervised methods. We also show that our framework can further enhance the summarization performance by training on large-scale external data that are collected from social networks. Quantitative experiments also show that our method can be integrated into other models with better performance and quicker convergence, indicating the generality of the algorithm. | |
| キーワード | （和） | / / / / / / / |
| （英） | contrastive learning / video summarization / large-scale external data / quicker convergence / / / / | |
| 文献情報 | 信学技報, vol. 121, no. 374, IE2021-53, pp. 115-120, 2022年2月. | |
| 資料番号 | IE2021-53 | |
| 発行日 | 2022-02-14 (ITS, IE) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | ITS2021-44 IE2021-53 |
|
| 研究会情報 | |
| 研究会 | IE ITS ITE-AIT ITE-ME ITE-MMS |
| 開催期間 | 2022-02-21 - 2022-02-22 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 画像処理，一般 |
| テーマ（英） | Image Processing, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | IE |
| 会議コード | 2022-02-IE-ITS-AIT-ME-MMS |
| 本文の言語 | 英語 |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | Contrastive Self-Supervised Learning Framework for Unsupervised Video Summarization |
| サブタイトル（英） | |
| キーワード(1)（和/英） | / contrastive learning |
| キーワード(2)（和/英） | / video summarization |
| キーワード(3)（和/英） | / large-scale external data |
| キーワード(4)（和/英） | / quicker convergence |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 張 賢亮 / Xianliang Zhang / チョウ ケンリョウ |
| 第1著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UTokyo) |
| 第2著者 氏名（和/英/ヨミ） | 陶 砺 / Li Tao / タオ リー |
| 第2著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UTokyo) |
| 第3著者 氏名（和/英/ヨミ） | 汪 雪婷 / Xueting Wang / オウ セッテイ |
| 第3著者 所属（和/英） | サイバーエージェント (略称： サイバーエージェント) CyberAgent AI Lab (略称： CyberAgent AI Lab) |
| 第4著者 氏名（和/英/ヨミ） | 山崎 俊彦 / Toshihiko Yamasaki / ヤマサキ トシヒコ |
| 第4著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UTokyo) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-02-22 10:15:00 |
| 発表時間 | 15分 |
| 申込先研究会 | IE |
| 資料番号 | ITS2021-44, IE2021-53 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.373(ITS), no.374(IE) |
| ページ範囲 | pp.115-120 |
| ページ数 | 6 |
| 発行日 | 2022-02-14 (ITS, IE) |
[研究会発表申込システムのトップページに戻る]