Dec, 2022

MediaEval 预测媒体记忆力任务的经验

PDF
TL;DR本文总结了 MediaEval 评估活动中的媒体记忆度预测任务，包括该任务使用的多个数据集和技术，以及从中得出的结论和对研究社区的启示。
media memorabilitymediaeval evaluation campaignprediction techniquesdata setsresearch community
发现论文，激发创造
  • MediaEval 2018：媒体记忆任务预测

    本文介绍了 Predicting Media Memorability 任务，它是 MediaEval 2018 多媒体评估基准倡议的一部分。参与者需要设计系统来自动预测视频的记忆得分，该得分反映了视频被记住的概率。与以前的图像记忆预测工作不同的是，该数据集带有短期和长期记忆注释。文章描述了任务的所有特征，包括任务的挑战和突破，发布的数据集和基准，所需的参与者运行和评估度量。

    Jul, 2018

  • MediaEval 2022 视频可记忆性预测任务概述

    本文介绍了第五版 Predicting Video Memorability Task 作为 MediaEval2022 的一部分，并采用 VideoMem 数据集和 Memento10k 数据集进行短期记忆预测，同时还引入了 EEG-based prediction 子任务。

    Dec, 2022

  • 展示与记忆：学习令视频难忘的因素

    该研究开发了一个视频可记忆性预测模型，并进行了视频子镜头可记忆性预测实验，结果表明该方法比现有的可记忆性方法更有效。

    Jul, 2017

  • 测量和预测音乐作品记忆力的数据集和基线模型

    通过新颖的互动实验过程收集可靠的易记性标签，我们用解释性特征和音频频谱作为输入训练基线模型，探索了用数据驱动的深度学习方法研究音乐易记性的新领域，证明有限的数据条件下预测音乐易记性是可能的，而某些内在元素如高愉悦、高唤醒度和较快节奏有助于产生易记的音乐，这将有助于音乐推荐系统和音乐风格转换等实际应用的发展。

    May, 2024

  • 将视频场景的扩散替代梦境用于预测视频的可记忆性

    通过 MediaEval 2022 Predicting Video Memorability 任务，我们研究了视觉记忆性、视觉表现和所表现的概念之间的关系，通过仅使用替代梦境图像训练和测试模型，实现了最先进的记忆性预测性能，并找到了强有力的证据表明，视觉内容的内在可记忆性可以被提炼到其基础概念或含义，而不管其具体的视觉表现。

    Dec, 2022

  • 分析一部程序犯罪剧集 CSI 的记忆性

    本文使用细致标注的语料库以及视频记忆分数，通过将视觉变换器 fine-tune 到预测视频记忆的任务，考察了流行的犯罪剧类型在五个季度内的知名度，并分析了视频镜头的记忆度与节目的各方面的关系，进而阐明了视频记忆度在教育、营销、索引等多媒体应用领域的重要性，以及在电视和电影制作中的应用。

    Aug, 2022

  • 广告的长期记忆性

    广告的可记忆性对品牌认可非常重要，快速移动场景的视频广告比缓慢场景的广告更容易被记住，使用广告拦截器的人记得的广告数量较少。我们提出了一个新模型 Sharingan，通过利用语言模型和视觉编码器的知识，能够预测内容的可记忆性，并在不同数据集上实现了最先进的效果。

    Sep, 2023

  • SMP 挑战赛：社交媒体预测挑战赛 2019 概述

    本文介绍了 “SMP Challenge” 中的新预测任务 ——“时序流行度预测”，该任务旨在利用社交多媒体数据进行未来互动性或吸引力的预测，并发布了一个包含超过 480K 发布内容和 69K 用户的大型 SMPD 基准数据集。

    Oct, 2019

  • 机器更容易记忆哪些图像？

    本文研究了计算机视觉中图像记忆度的量化和预测问题，提出了机器记忆度和复杂度的概念，并分析了机器和人类在图像记忆方面的不同表现和机器记忆的影响因素。

    Nov, 2022

  • 大型语言模型中的紧急和可预测记忆

    通过对 Pythia 模型套件的记忆行为进行度量和分析，发现中间检查点是模型记忆行为的更好预测因素，同时提供了有关模型和数据记忆得分分布的新颖发现

    Apr, 2023