Proceedings of the 1st ACM international workshop on Events in multimedia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle