Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Video Search with Context-Aware Ranker and Relevance Feedback

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F22%3A10447498" target="_blank" >RIV/00216208:11320/22:10447498 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://doi.org/10.1007/978-3-030-98355-0_46" target="_blank" >https://doi.org/10.1007/978-3-030-98355-0_46</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1007/978-3-030-98355-0_46" target="_blank" >10.1007/978-3-030-98355-0_46</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Video Search with Context-Aware Ranker and Relevance Feedback

  • Popis výsledku v původním jazyce

    Interactive video search systems effectively combine text-image embedding approaches and smart user interfaces allowing various means of browsing in intermediate result sets. In this paper, we combine features from VIRET and SOMHunter systems into a novel approach for segment based interactive video retrieval. Based on our SOMHunter log analysis and VIRET tool performance in known-item search tasks, we focus on two specific features - a combination of context-aware ranking by text queries and Bayesian-like relevance feedback approach for refining scores using promising candidates.

  • Název v anglickém jazyce

    Video Search with Context-Aware Ranker and Relevance Feedback

  • Popis výsledku anglicky

    Interactive video search systems effectively combine text-image embedding approaches and smart user interfaces allowing various means of browsing in intermediate result sets. In this paper, we combine features from VIRET and SOMHunter systems into a novel approach for segment based interactive video retrieval. Based on our SOMHunter log analysis and VIRET tool performance in known-item search tasks, we focus on two specific features - a combination of context-aware ranking by text queries and Bayesian-like relevance feedback approach for refining scores using promising candidates.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GJ19-22071Y" target="_blank" >GJ19-22071Y: Flexibilní modely pro hledání známé scény v rozsáhlých kolekcích videa</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2022

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    MULTIMEDIA MODELING, MMM 2022, PT II

  • ISBN

    978-3-030-98354-3

  • ISSN

    0302-9743

  • e-ISSN

    1611-3349

  • Počet stran výsledku

    6

  • Strana od-do

    505-510

  • Název nakladatele

    SPRINGER INTERNATIONAL PUBLISHING AG

  • Místo vydání

    CHAM

  • Místo konání akce

    Phu Quoc

  • Datum konání akce

    6. 6. 2022

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000788273600046