Video Search with CLIP and Interactive Text Query Reformulation
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216208%3A11320%2F23%3A10468887" target="_blank" >RIV/00216208:11320/23:10468887 - isvavai.cz</a>
Výsledek na webu
<a href="https://doi.org/10.1007/978-3-031-27077-2_50" target="_blank" >https://doi.org/10.1007/978-3-031-27077-2_50</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-031-27077-2_50" target="_blank" >10.1007/978-3-031-27077-2_50</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Video Search with CLIP and Interactive Text Query Reformulation
Popis výsledku v původním jazyce
Nowadays, deep learning based models like CLIP allow simple design of cross-modal video search systems that are able to solve many tasks considered as highly challenging several years ago. In this paper, we analyze a CLIP based search approach that focuses on situations, where users cannot find proper text queries to describe searched video segments. The approach relies on suggestions of classes for displayed intermediate result sets and thus allows users to realize missing words and ideas to describe video frames. This approach is supported with a preliminary study showing potential of the method. Based on the results, we extend a respected known-item search system for the Video Browser Showdown, where more challenging visual known-item search tasks are planned.
Název v anglickém jazyce
Video Search with CLIP and Interactive Text Query Reformulation
Popis výsledku anglicky
Nowadays, deep learning based models like CLIP allow simple design of cross-modal video search systems that are able to solve many tasks considered as highly challenging several years ago. In this paper, we analyze a CLIP based search approach that focuses on situations, where users cannot find proper text queries to describe searched video segments. The approach relies on suggestions of classes for displayed intermediate result sets and thus allows users to realize missing words and ideas to describe video frames. This approach is supported with a preliminary study showing potential of the method. Based on the results, we extend a respected known-item search system for the Video Browser Showdown, where more challenging visual known-item search tasks are planned.
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
—
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2023
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 2023, PT I
ISBN
978-3-031-27076-5
ISSN
0302-9743
e-ISSN
1611-3349
Počet stran výsledku
6
Strana od-do
628-633
Název nakladatele
SPRINGER INTERNATIONAL PUBLISHING AG
Místo vydání
CHAM
Místo konání akce
Bergen
Datum konání akce
9. 1. 2023
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000996563000050