Dieses Dokument ist auf Arxiv unter der CC 4.0-Lizenz verfügbar.   Autoren:  (1) Zhihang Ren, University of California, Berkeley und diese Autoren haben zu gleichen Teilen zu dieser Arbeit beigetragen (E-Mail: peter.zhren@berkeley.edu);  (2) Jefferson Ortega, University of California, Berkeley und diese Autoren haben zu gleichen Teilen zu dieser Arbeit beigetragen (E-Mail: jefferson_ortega@berkeley.edu);  (3) Yifan Wang, University of California, Berkeley und diese Autoren haben zu gleichen Teilen zu dieser Arbeit beigetragen (E-Mail: wyf020803@berkeley.edu);  (4) Zhimin Chen, University of California, Berkeley (E-Mail: zhimin@berkeley.edu);  (5) Yunhui Guo, University of Texas at Dallas (E-Mail: yunhui.guo@utdallas.edu);  (6) Stella X. Yu, University of California, Berkeley und University of Michigan, Ann Arbor (E-Mail: stellayu@umich.edu);  (7) David Whitney, University of California, Berkeley (E-Mail: dwhitney@berkeley.edu).  Linktabelle   Zusammenfassung und Einleitung   Verwandter Wok   VEATIC-Datensatz   Experimente   Diskussion   Abschluss   Mehr über Stimuli   Anmerkungsdetails   Ausreißerverarbeitung   Themenübereinstimmung für alle Videos   Vertrautheits- und Unterhaltungswertungen sowie Referenzen  7. Mehr über Stimuli  Alle im VEATIC-Datensatz verwendeten Videos wurden von einer Online-Video-Sharing-Website (YouTube) ausgewählt. Der VEATIC-Datensatz enthält 124 Videoclips, 104 Clips aus Hollywood-Filmen, 15 Clips aus Heimvideos und 5 Clips aus Dokumentarfilmen oder Reality-TV-Shows. Genauer gesagt klassifizieren wir Dokumentarvideos als alle Videos, die offene soziale Interaktionen zeigen, aber in irgendeiner Form Videobearbeitung aufweisen, während sich Heimvideos auf Videos beziehen, die offene soziale Interaktionen ohne Videobearbeitung zeigen. Alle Videos im Datensatz hatten eine Bildrate von 25 Bildern pro Sekunde und lagen in der Auflösung, wobei die niedrigste 202 x 360 und die höchste 1920 x 1080 betrug.  Außer der Übersicht der Videobilder in Abbildung 2 zeigen wir in Abbildung 9 weitere Beispiele. Im Gegensatz zu zuvor veröffentlichten Datensätzen, in denen die meisten Bilder die Hauptfigur enthalten [31, 29, 32], enthält VEATIC außerdem nicht nur Bilder mit der ausgewählten Figur, sondern auch viele Bilder mit nicht ausgewählten Figuren und reinen Hintergründen (Abbildung 10). Daher ähnelt VEATIC unseren Alltagsszenarien stärker, und die darauf trainierten Algorithmen sind für Alltagsanwendungen vielversprechender.  Dieses Dokument ist   . auf Arxiv unter der CC 4.0-Lizenz verfügbar

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Kinetopgraph.TECH

Read My Stories

kinetograph

Dieses Audio ist in der Originalsprache der Geschichte produziert!

Zu lang; Lesen

Boost your HackerNoon story @ $159.99! 🚀

VEATIC: Videobasiertes Emotions- und Affekt-Tracking im Kontextdatensatz: Mehr über Stimuli

About Author

KOMMENTARE

Hängeetiketten

DIESER ARTIKEL WURDE VORGESTELLT IN

Related Stories

HackerNoon Decoded 2024: Wir feiern unsere Gaming-Community!

HackerNoon Decoded 2024: Celebrating Our AI Community!

Welcome to HackerNoon Decoded: The Best of 2024 Tech Blogging

HackerNoon Decoded 2024: Celebrating Our Life Hacking Community!

HackerNoon Decoded 2024: Wir feiern unsere Gaming-Community!

HackerNoon Decoded 2024: Celebrating Our AI Community!

Welcome to HackerNoon Decoded: The Best of 2024 Tech Blogging

HackerNoon Decoded 2024: Celebrating Our Life Hacking Community!

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps