Resumen

Si bien el contenido de video se almacena a menudo en archivos bastante grandes o se transmite en flujos continuos, los usuarios a menudo están interesados en recuperar solo un pasaje particular sobre un tema de interés para ellos. Por lo tanto, es necesario dividir los documentos de video o los flujos en segmentos más cortos que correspondan a unidades de recuperación apropiadas. Aquí proponemos un método para la segmentación automática de videos de noticias de televisión en historias. Se propone un enfoque de segmentación basado en múltiples descriptores. Las características multimodales seleccionadas son complementarias y ofrecen buenas perspectivas sobre los límites de las historias. Una vez extraídas, estas características se amplían con un contexto temporal local y se combinan mediante un proceso de fusión temprana. Los límites de las historias se predicen luego utilizando técnicas de aprendizaje automático. Investigamos el sistema mediante experimentos realizados con datos y protocolo de la tarea de detección de límites de historias de TRECVID 2003, y mostramos que el enfoque propuesto super

• Materias:Reducción de señales Protección contra errores Demanda de búfer Red de superposición Sistemas de multidifusión
• Subjects:Signal reduction Error protection Buffer demand Overlay network Multicast systems
• Palabras claves:Contenido de video; Unidades de recuperación; Segmentación; Características multimodales; Técnicas de aprendizaje automático; Límites de la historia
• Keywords:Video content; Retrieval units; Segmentation; Multimodal features; Machine learning techniques; Story boundaries