マルチレイヤグラフを用いた映像特徴の統合に基づく映像検索手法の精度向上

カテゴリ: 研究会(論文単位)

論文No: ST18006

グループ名: 【C】電子・情報・システム部門 システム研究会

発行日: 2018/01/27

タイトル(英語): Video Search Reranking on Multi-Layer Graphs Based on Combinations of Video Features Using Subspace Analysis

著者名: 吉田 壮(関西大学),中村 健太郎(関西大学),棟安 実治(関西大学)

著者名(英語): Soh Yoshida(Kansai University),Kentaro Nakamura(Kansai University),Mitsuji Muneyasu(Kansai University)

キーワード: 映像検索|リランキング|映像特徴|部分空間分析|Video Search|Reranking|Video Features|Subspace Analysis

要約(日本語): 本稿では，従来手法の高精度化のため，マルチレイヤグラフを用いた映像特徴の統合に基づく映像検索手法を提案する．提案手法では，映像から抽出される複数の特徴量を，各特徴量の類似度によって重み付けされたマルチレイヤグラフを用いた部分空間分析に基づき統合する．これにより，提案手法は，個々のグラフを個別に扱う従来手法と比較して，最適に特徴量を統合可能とし，映像検索精度向上を実現する．

要約(英語): Observational data usually comes with a multimodal nature, which means that it can be naturally represented by a multi-layer graph whose layers share the same set of vertices with different edges (pairwise relationships). In this paper, we address the problem of combining different layers of the multi-layer graph for improving graph-based video search reranking of the vertices compared to using layers independently.

原稿種別: 英語

PDFファイルサイズ: 581 Kバイト