ترجمه فارسی مقاله همگام سازی از دریا: بازیابی ویدیوهای قابل تراز از مجموعه داده های بزرگ

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Sync from the Sea: Retrieving Alignable Videos from Large-Scale Datasets
عنوان مقاله به فارسی همگام سازی از دریا: بازیابی ویدیوهای قابل تراز از مجموعه داده های بزرگ
نویسندگان Ishan Rajendrakumar Dave, Fabian Caba Heilbron, Mubarak Shah, Simon Jenni
فرمت مقاله انگلیسی PDF
تعداد صفحات 20
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Computer Vision and Pattern Recognition,Information Retrieval,Machine Learning,چشم انداز رایانه و تشخیص الگوی , بازیابی اطلاعات , یادگیری ماشین ,
توضیحات Submitted 2 September, 2024; originally announced September 2024. , Comments: ECCV 2024 Oral
توضیحات به فارسی ارسال شده در 2 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد ، نظرات: ECCV 2024 شفاهی
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Temporal video alignment aims to synchronize the key events like object interactions or action phase transitions in two videos. Such methods could benefit various video editing, processing, and understanding tasks. However, existing approaches operate under the restrictive assumption that a suitable video pair for alignment is given, significantly limiting their broader applicability. To address this, we re-pose temporal alignment as a search problem and introduce the task of Alignable Video Retrieval (AVR). Given a query video, our approach can identify well-alignable videos from a large collection of clips and temporally synchronize them to the query. To achieve this, we make three key contributions: 1) we introduce DRAQ, a video alignability indicator to identify and re-rank the best alignable video from a set of candidates; 2) we propose an effective and generalizable frame-level video feature design to improve the alignment performance of several off-the-shelf feature representations, and 3) we propose a novel benchmark and evaluation protocol for AVR using cycle-consistency metrics. Our experiments on 3 datasets, including large-scale Kinetics700, demonstrate the effectiveness of our approach in identifying alignable video pairs from diverse datasets. Project Page: https://daveishan.github.io/avr-webpage/.

چکیده به فارسی (ترجمه ماشینی)

تراز ویدئویی موقتی با هدف هماهنگ کردن رویدادهای کلیدی مانند تعامل شی یا انتقال مرحله عمل در دو فیلم.چنین روشهایی می تواند به نفع ویرایش ویدیویی ، پردازش و درک وظایف مختلف باشد.با این حال ، رویکردهای موجود تحت این فرض محدود کننده عمل می کنند که یک جفت ویدیویی مناسب برای تراز ارائه شده است ، و به طور قابل توجهی کاربرد گسترده تر آنها را محدود می کند.برای پرداختن به این موضوع ، ما مجدداً تراز موقتی را به عنوان یک مشکل جستجو معرفی می کنیم و وظیفه بازیابی ویدیویی قابل تراز (AVR) را معرفی می کنیم.با توجه به یک فیلم پرس و جو ، رویکرد ما می تواند فیلم های قابل توصیف را از مجموعه بزرگی از کلیپ ها شناسایی کند و به طور موقت آنها را با پرس و جو همزمان کند.برای دستیابی به این هدف ، ما سه سهم اصلی را انجام می دهیم: 1) DRAQ را معرفی می کنیم ، یک نشانگر تراز ویدئویی برای شناسایی و رتبه بندی مجدد بهترین فیلم قابل تراز از مجموعه ای از نامزدها.2) ما یک طراحی ویژگی ویدیویی در سطح قاب مؤثر و قابل تعمیم را برای بهبود عملکرد تراز چندین بازنمایی از ویژگی های خارج از قفسه پیشنهاد می کنیم ، و 3) ما یک معیار جدید و پروتکل ارزیابی را برای AVR با استفاده از معیارهای وابسته به چرخه پیشنهاد می کنیم.آزمایش های ما در 3 مجموعه داده ، از جمله سینتیک در مقیاس بزرگ ، اثربخشی رویکرد ما در شناسایی جفت های ویدیویی قابل تراز از مجموعه داده های متنوع را نشان می دهد.صفحه پروژه: https://daveishan.github.io/avr-webpage/.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.