项目名称: 基于显著性和信任传递的动态场景主题发现

项目编号: No.61272258

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 自动化技术、计算机技术

项目作者: 刘纯平

作者单位: 苏州大学

项目金额: 81万元

中文摘要: 动态场景因运动复杂、多变,研究其内容和语义提取对理解场景有非常重要的意义。 本项目针对海量信息快速抽取、低层特征和高层语义之间存在鸿沟等问题,在视觉注意和选择性的基础上,结合主题模型和信任传递机制,提出基于显著性和信任传递的动态场景主题发现机理。 研究内容及创新点:1)具有预测性的混合时空显著计算模型。提出基于信任传递和贝叶斯网络的混合时空显著模型,并利用本征维和流失量信息预测后续显著位置;2)场景社会关系学习。提出以场景片段中显著对象出现和共现关系建立社会关系网络结构,发现场景重要显著位置;3)动态场景主题发现。提出空间信任传递主题模型及动态信任传递关系主题模型分别学习单帧和场景的语义可视层次结构,建立动态场景的总的语义可视层次结构,完成场景故事层面的分割。

中文关键词: 动态场景;显著性检测;主题模型;深度学习;语义分析

英文摘要: Natural scenes are usually composed of several dynamic entities. Foreground objects often move amid complicated backgrounds that are themselves moving, e.g., swaying trees or other objects such as a crowd, a flock of birds, moving water, wave's snow, rain, and smoked-filled environments. Even for static scenes, egomotion of the imaging sensor can cause a highly variable background. In the most extreme situations, egomotion and scene motion combine to produce very complex motion patterns. We refer to scenes with any of these types of variability as dynamic scenes. Because both spatial and temporal dependencies between moving objects are relevant, so study of the extraction algorithm of content and semantic in dynamic scenes is critical significant to scene understanding. Human visual system has a remarkable ability to quickly grasp salient regions in static and dynamic scenes. Efficient belief propagation of early vision, generative models and the Bayesian brain hypothesis provide a framework that can quantitatively model interaction and inference between prior knowledge and sensory evidence to represent the physical and statistical properties of the environment. In this work, we address dynamic scene understanding and want to automatically answer questions such as: What are the typical objects in the scene? Ho

英文关键词: Dynamic Scene;visual saliency detection;topic model;deep learning;semantic analysis

成为VIP会员查看完整内容
0

相关内容

流行病数据可视分析综述
专知会员服务
25+阅读 · 2022年3月21日
专知会员服务
22+阅读 · 2021年9月21日
专知会员服务
43+阅读 · 2021年4月13日
CVPR 2021 Oral | 室内动态场景中的相机重定位
专知会员服务
15+阅读 · 2021年4月12日
【WWW2021】多视角图对比学习的药物药物交互预测
专知会员服务
53+阅读 · 2021年1月29日
专知会员服务
46+阅读 · 2020年12月20日
专知会员服务
43+阅读 · 2020年12月8日
【WSDM2021】基于演化状态图的时间序列事件预测
专知会员服务
52+阅读 · 2020年12月1日
全新量子充电技术:最快9秒充满一辆电动汽车?
元宇宙浪潮下,如何通过虚拟手段打造非虚构营销?
人人都是产品经理
0+阅读 · 2022年1月23日
2022 年,让我们登上更大的舞台
谷歌开发者
0+阅读 · 2021年12月31日
来到现实以下,如何在北京过好「文艺生活」
少数派
0+阅读 · 2021年12月17日
事理图谱:事件演化的规律和模式
哈工大SCIR
34+阅读 · 2019年7月19日
SLAM的动态地图和语义问题
计算机视觉life
23+阅读 · 2019年4月27日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
37+阅读 · 2021年2月10日
A Modern Introduction to Online Learning
Arxiv
20+阅读 · 2019年12月31日
小贴士
相关VIP内容
流行病数据可视分析综述
专知会员服务
25+阅读 · 2022年3月21日
专知会员服务
22+阅读 · 2021年9月21日
专知会员服务
43+阅读 · 2021年4月13日
CVPR 2021 Oral | 室内动态场景中的相机重定位
专知会员服务
15+阅读 · 2021年4月12日
【WWW2021】多视角图对比学习的药物药物交互预测
专知会员服务
53+阅读 · 2021年1月29日
专知会员服务
46+阅读 · 2020年12月20日
专知会员服务
43+阅读 · 2020年12月8日
【WSDM2021】基于演化状态图的时间序列事件预测
专知会员服务
52+阅读 · 2020年12月1日
相关基金
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员