Proceedings of the 1st ACM international workshop on Events in multimedia
Notice bibliographique
Résumé
It is our great pleasure to welcome you to the 2nd ACM International Workshop on in Multimedia -- EiMM'10. This is the second edition of the EiMM workshop, following the very successful last year's first workshop of this series in Beijing, China, as part of ACM Multimedia 2009. Goal of the workshop is to bring together researchers from the different areas of the multimedia research community that are interested in understanding the concept of events on domain level. It presents work in the areas of domain event modeling, detection of events from multimedia data, processing and composition of events, organization of multimedia data using events as unifying mechanism, and applications of these techniques. In addition, the workshop presents applications that make use of domain-level events in the context of multimedia data. The overall goal and vision of the workshop is to unify the research that deals with the understanding of events and to converge it into a generalized model that serves as a common understanding of events. The call for papers attracted 16 submissions from Europe, Asia/Pacific, United States and Canada, Latin America. The program committee accepted 9 papers that cover a variety of topics, including detection of events from multimedia data, event-based applications, and event models. In addition, the program includes two keynote talks, one by Alan Smeaton on Sensor Nets Discover Search and one by Fausto Giunchiglia on Events as media and knowledge aggregators. We hope that these proceedings will serve as a valuable reference for researchers and developers interested in the understanding of events.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,088 | 0,031 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».