Jun, 2015

EventNet: 视频复杂事件检测的大规模结构化概念库

PDF
TL;DR本研究利用 WikiHow 创建了一个名为 EventNet 的大规模事件特定概念库，该库将事件组织为一个语义结构，并使用 CNN 模型和 SVM 分类器对视频内容进行特征提取和事件检索，大幅度提升检索效果。
event-specific conceptsconcept libraryconvolutional neural networkdeep learning featurevideo event ontology
发现论文，激发创造
  • 选择相关的网络训练概念进行自动化事件检索

    通过构建配对概念，通过消除不可能对检索有帮助的概念来修剪，该方法解决了自动概念发现和培训中出现的问题，并通过解决视觉和领域适应问题展示了在 TRECVID MED 13 数据集上相对于其他基于视觉的系统的大幅度改进。

    Sep, 2015

  • EventNet：异步递归事件处理

    本研究提出了 EventNet，一种基于新型视觉传感器的神经网络，旨在实时处理异步事件流，并采用了新的时间编码方案来建模输出对数万个因果事件的依赖关系，同时在标准 CPU 上每秒处理百万个事件，通过实验验证了该框架的实时性和稳健性。

    Dec, 2018

  • 零样本事件检测的统一嵌入和度量学习

    本文提出一种基于视觉和文本模态下的事件检测与检索算法，该算法通过训练一个端到端的模型，使得文本和视觉的表示进入了一个联合空间，并且在该空间中，利用预定义的事件来表示新的事件，并实现了事件与相关视频之间的距离度量，该算法在 TRECVID Multimedia Event Detection 数据集上取得了明显的优越性能。

    May, 2017

  • 零样本事件检测的动态概念组合

    该研究旨在通过零样本学习自动检测视频中的事件，使用预先训练的概念分类器并学习对应权重以提高模型效果，在多个数据集上进行的实验表明该方法优于传统方法。

    Jan, 2016

  • 基于异构图卷积网络的细粒度事件分类

    本文提出了一个事件元结构来表征社交事件的语义相关性并构建了一个基于事件的异构信息网络（HIN），该网络合并了外部知识库中的信息，并提出了一种新的基于 KIES 的 PP-GCN 模型，用于对社交事件进行分类。实验结果表明，该方法在社交事件分类方面优于其他替代方法。

    Jun, 2019

  • 通过弹性网络结合张量网络进行事件流的表示学习

    事件相机是神经形态学传感器，可以捕获异步和稀疏的事件流，本文提出了一种新颖的时空表示学习方法，通过张量分解可以同时捕获事件流中的全局相关性。此外，由于事件在空间上稀疏，我们提出了一种弹性网络结合的张量网络模型，可以获取有关事件流的更多空间和时间细节。实验结果表明，与最先进的方法相比，我们的方法能够高质量地表示事件的时空相关性，并在过滤噪声等应用中取得有效的结果。

    Jan, 2024

  • 从事件相机到视频：将现代计算机视觉引入事件相机

    研究使用成熟的计算机视觉技术对从事件数据中重建的视频进行对象分类和图像重建，从而充分发挥事件相机的优异特性。

    Apr, 2019

  • 用于事件检测的区分性 CNN 视频表示

    本文讨论如何利用深度卷积神经网络和适当的编码方法来提高视频事件检测的性能，建议使用潜在概念描述符作为帧描述符，并实现新的最先进性能。

    Nov, 2014

  • TagBook: 无需监督的语义视频表示用于事件检测

    本文提出了一种基于社交标记视频的语义视频表示方法，通过简单的算法进行标记传播，用于零或少样本事件检测，并在三个数据集上表现出色。

    Oct, 2015

  • 多模态事件图：走向多模态世界的事件中心理解

    本研究提出了多模态事件关系的新任务，并开发了一个大规模数据集和一种基于外部知识库的弱监督多模态方法，为人工智能系统实现媒体理解和跨媒体事件关系建立提供了支持。

    Jun, 2022