Automatic audience-informed video summarization of hockey broadcasts
Notice bibliographique
Résumé
In the past decade, online video has risen to become one of the most common ways of sharing and consuming media.With so much video content readily-available, browsing or processing these data is difficult due to the long duration of a typical video.Video summaries, on the other hand, provide an effective way for viewers to enjoy the highlights of a video without having to watch the entire video.In this work, we propose a system that automatically summarizes hockey broadcasts into highlight videos.We leverage the audience of a game-both the broadcasters and the crowd-to decide which shots should be included in the final highlight reel.We argue that since the game is directly sourced by the crowd and the broadcasters, our direct approach is more effective than similar techniques in the literature which rely on external annotators.Our system accomplishes this by first extracting video and audio features using convolutional neural networks (CNN) and searching for key indicators of excitement (e.g.cheering or celebration).Lastly, the best highlights are dynamically selected under a set of constraints (such as output duration) and composited into the final summary.Our results demonstrate that this technique accurately extracts the most exciting moments of a hockey game while avoiding the bias from using predetermined metrics or external annotations.i Abrégé Dans le passé, les vidéos en ligne ont pris de l'ampleur pour devenir une des façons les plus communes pour partager et consommer les médias.Avec autant de contenu vidéo disponible, la consultation ou le traitement de ces données est difficile vu la longueur d'un vidéo typique.Les résumés vidéos, d'un autre côté, fournissent une façon efficace pour les consommateurs d'apprécier les points importants d'un vidéo sans devoir le regarder au complet.Dans ce travail, nous proposons un système qui résume automatiquement les émissions de hockey en un court vidéo des points forts.Nous tirons avantage du public d'un match, à la fois des spectateurs de l'émission et la foule, pour décider quelles parties devraient être incluses dans la bande des points forts.Nous affirmons que puisque la partie s'inspire directement de la foule et des spectateurs, notre approche directe est plus efficace que les techniques similaires dans la littérature qui se fit à des commentateurs extérieurs.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».