328 okumalar

VEATIC: Bağlam Veri Kümesinde Video Tabanlı Duygu ve Duygu Takibi: Videolar Arasında Konu Anlaşması

ile Kinetograph: The Video Editing Technology Publication3m2024/05/27

Çok uzun; Okumak

Bu yazıda araştırmacılar, insan etkisinin tanınması için VEATIC veri setini tanıtıyor, mevcut veri setlerindeki sınırlamaları ele alıyor ve bağlama dayalı çıkarımı mümkün kılıyor.

featured image - VEATIC: Bağlam Veri Kümesinde Video Tabanlı Duygu ve Duygu Takibi: Videolar Arasında Konu Anlaşması

Bu makale arxiv'de CC 4.0 lisansı altında mevcuttur.

Yazarlar:

(1) Zhihang Ren, Kaliforniya Üniversitesi, Berkeley ve bu yazarlar bu çalışmaya eşit katkıda bulunmuşlardır (E-posta: [email protected]);

(2) Jefferson Ortega, California Üniversitesi, Berkeley ve bu yazarlar bu çalışmaya eşit katkıda bulunmuşlardır (E-posta: [email protected]);

(3) Yifan Wang, California Üniversitesi, Berkeley ve bu yazarlar bu çalışmaya eşit katkıda bulunmuşlardır (E-posta: [email protected]);

(4) Zhimin Chen, Kaliforniya Üniversitesi, Berkeley (E-posta: [email protected]);

(5) Yunhui Guo, Dallas'taki Texas Üniversitesi (E-posta: [email protected]);

(6) Stella X. Yu, Kaliforniya Üniversitesi, Berkeley ve Michigan Üniversitesi, Ann Arbor (E-posta: [email protected]);

(7) David Whitney, Kaliforniya Üniversitesi, Berkeley (E-posta: [email protected]).

Bağlantı Tablosu

10. Videolar Arasında Konu Anlaşması

VEATIC veri kümesinin bir yararı, her video için birden fazla açıklayıcıya sahip olmasıdır; herhangi bir video için minimum ek açıklamacı sayısı 25 ve maksimum 73'tür. Duygu algısı özneldir ve gözlemcilerin yargıları birden fazla kişiye göre değişebilir. Daha önce yayınlanmış duygu veri kümelerinin çoğunda çok az sayıda ek açıklama bulunur ve genellikle yalnızca tek haneli (n < 10) sayıda ek açıklama bulunur. Gözlemciler arasındaki artan değişkenlik nedeniyle bu kadar az açıklayıcıya sahip olmak sorunludur. Bunu göstermek için, veri setimizdeki her bir videonun ortalama derecelendirmesinin, tüm ek açıklayıcılara karşılık beş tanesini değiştirerek rastgele örneklediğimiz takdirde nasıl değişeceğini hesapladık. Bu işlemi her video için 1000 kez tekrarladık ve yeniden hesaplanan ortalama derecelendirmenin standart sapmasını hesapladık. Şekil 12a, her video için beş veya tüm ek açıklamaları kullandığımızda, videolar arasındaki fikir birliği derecelendirmesinin standart sapmasının nasıl değiştiğini göstermektedir. Bu analiz, daha fazla ek açıklamacıya sahip olmanın, fikir birliği derecelendirmesinde çok daha küçük standart sapmalara yol açtığını ve bunun da videolarda temel gerçek duygusunun daha doğru temsil edilmesine yol açabileceğini göstermektedir.

Ek olarak, her video için gözlemciler arasındaki standart sapmayı hesaplayarak, gözlemcilerin tepkilerinin videolar arasında nasıl değiştiğini araştırdık. Şekil 12b, videolar arasındaki standart sapmaları göstermektedir. Hem değerlik hem de uyarılma boyutları için standart sapmaların küçük olduğunu, ortalama standart sapması µ = 0,248 ve medyanı 0,222 ve uyarılmanın ortalama standart sapması µ = 0,248 ve medyanı 0,244 olan, karşılaştırılabilir düzeyde olduğunu bulduk. EMOTIC'ten gelen değer ve uyarılma derecesi varyansı ile [32].