Este documento está disponible en arxiv bajo licencia CC 4.0.   Autores:  (1) Zhihang Ren, Universidad de California, Berkeley y estos autores contribuyeron igualmente a este trabajo (correo electrónico: peter.zhren@berkeley.edu);  (2) Jefferson Ortega, Universidad de California, Berkeley y estos autores contribuyeron igualmente a este trabajo (correo electrónico: jefferson_ortega@berkeley.edu);  (3) Yifan Wang, Universidad de California, Berkeley y estos autores contribuyeron igualmente a este trabajo (correo electrónico: wyf020803@berkeley.edu);  (4) Zhimin Chen, Universidad de California, Berkeley (correo electrónico: zhimin@berkeley.edu);  (5) Yunhui Guo, Universidad de Texas en Dallas (correo electrónico: yunhui.guo@utdallas.edu);  (6) Stella X. Yu, Universidad de California, Berkeley y Universidad de Michigan, Ann Arbor (correo electrónico: stellayu@umich.edu);  (7) David Whitney, Universidad de California, Berkeley (correo electrónico: dwhitney@berkeley.edu).  Tabla de enlaces   Resumen e introducción   Wok relacionado   Conjunto de datos VEATIC   experimentos   Discusión   Conclusión   Más sobre estímulos   Detalles de anotación   Procesamiento de valores atípicos   Acuerdo temático entre vídeos   Calificaciones y referencias de familiaridad y disfrute  7. Más sobre estímulos  Todos los vídeos utilizados en el conjunto de datos VEATIC se seleccionaron de un sitio web para compartir vídeos en línea (YouTube). El conjunto de datos VEATIC contiene 124 clips de vídeo, 104 clips de películas de Hollywood, 15 clips de vídeos caseros y 5 clips de documentales o reality shows de televisión. Específicamente, clasificamos los videos documentales como cualquier video que muestra interacciones sociales sinceras pero que tienen algún tipo de edición de video, mientras que los videos caseros se refieren a videos que muestran interacciones sociales sinceras sin ninguna edición de video. Todos los vídeos del conjunto de datos tenían una velocidad de fotogramas de 25 fotogramas por segundo y su resolución variaba, siendo la más baja 202 x 360 y la más alta 1920 x 1080.  Excepto por la descripción general de los cuadros de video en la Figura 2, mostramos más muestras en la Figura 9. Además, a diferencia de los conjuntos de datos publicados anteriormente donde la mayoría de los cuadros contienen el personaje principal [31, 29, 32], VEATIC no solo tiene cuadros que contienen el personaje seleccionado sino También hay muchos fotogramas que contienen personajes no seleccionados y fondos puros (Figura 10). Por lo tanto, VEATIC es más similar a nuestros escenarios de la vida diaria y los algoritmos entrenados en él serán más prometedores para las aplicaciones diarias.  Este documento está   bajo licencia CC 4.0. disponible en arxiv

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

Kinetopgraph.TECH

Read My Stories

kinetograph

Este audio es producido en el idioma original de la historia!

Demasiado Largo; Para Leer

Boost your HackerNoon story @ $159.99! 🚀

VEATIC: Seguimiento de emociones y afectos basado en videos en un conjunto de datos contextual: más sobre estímulos

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

Telegram: el puente de Crypto Island hacia el continente

Valhalla de Floki se une como patrocinador asociado de la gira de la India por Sri Lanka

¿Quieres ganar un concurso de redacción de HackerNoon? Esto es lo que recomiendan los ganadores del concurso #crypto-api

Una guía del arquitecto para crear una arquitectura de referencia para un lago de datos de IA/ML

Telegram: el puente de Crypto Island hacia el continente

Valhalla de Floki se une como patrocinador asociado de la gira de la India por Sri Lanka

¿Quieres ganar un concurso de redacción de HackerNoon? Esto es lo que recomiendan los ganadores del concurso #crypto-api

Una guía del arquitecto para crear una arquitectura de referencia para un lago de datos de IA/ML

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps