STAR: Screen Time and Actor Recognition in Video Content

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F25%3A00602283" target="_blank" >RIV/67985556:_____/25:00602283 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1007/978-3-031-85187-2_17" target="_blank" >http://dx.doi.org/10.1007/978-3-031-85187-2_17</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-031-85187-2_17" target="_blank" >10.1007/978-3-031-85187-2_17</a>

Jazyk výsledku

angličtina

Název v původním jazyce

STAR: Screen Time and Actor Recognition in Video Content

Popis výsledku v původním jazyce

Accurately measuring the duration of actors' presence in videos is a challenging task that goes beyond actor recognition. We propose the STAR pipeline, the new model designed to analyze the time performers appear on screen across diverse video content, including movies and TV shows. The proposed model has been successfully deployed and tested by the Czech TV infrastructure provider. Our pipeline uses machine learning techniques for shot detection, face detection, tracking, recognition, and introduces a novel shot-based method for calculating screen time. We present extensive experiments proving the robustness and real-time performance of our approach. Alongside the pipeline, we introduce the STAR dataset to address the need for high-quality benchmarks in evaluating screen time models, now available for download.

Název v anglickém jazyce

STAR: Screen Time and Actor Recognition in Video Content

Popis výsledku anglicky

Accurately measuring the duration of actors' presence in videos is a challenging task that goes beyond actor recognition. We propose the STAR pipeline, the new model designed to analyze the time performers appear on screen across diverse video content, including movies and TV shows. The proposed model has been successfully deployed and tested by the Czech TV infrastructure provider. Our pipeline uses machine learning techniques for shot detection, face detection, tracking, recognition, and introduces a novel shot-based method for calculating screen time. We present extensive experiments proving the robustness and real-time performance of our approach. Alongside the pipeline, we introduce the STAR dataset to address the need for high-quality benchmarks in evaluating screen time models, now available for download.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20206 - Computer hardware and architecture

Projekt

<a href="/cs/project/GA24-10069S" target="_blank" >GA24-10069S: Hybridní architektury neuronových sítí pro rozpoznávání obrazu</a><br>

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2025

Kód důvěrnosti údajů

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

Název statě ve sborníku

Pattern Recognition : 46th DAGM German Conference, DAGM GCPR 2024

ISBN

978-3-031-85186-5

ISSN

—

e-ISSN

—

Počet stran výsledku

15

Strana od-do

270-284

Název nakladatele

Springer

Místo vydání

Cham

Místo konání akce

Munich

Datum konání akce

10. 9. 2024

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—