亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Emotional Video Captioning with Vision-based Emotion Interpretation Network

隐藏字幕 计算机科学 背景(考古学) 人工智能 相关性(法律) 词汇 可视化 边距(机器学习) 判决 水准点(测量) 代表(政治) 自然语言处理 图像(数学) 机器学习 语言学 古生物学 哲学 大地测量学 政治 政治学 法学 生物 地理
作者
Peipei Song,Dan Guo,Xun Yang,Shengeng Tang,Meng Wang
出处
期刊:IEEE transactions on image processing [Institute of Electrical and Electronics Engineers]
卷期号:: 1-1 被引量:8
标识
DOI:10.1109/tip.2024.3359045
摘要

Effectively summarizing and re-expressing video content by natural languages in a more human-like fashion is one of the key topics in the field of multimedia content understanding. Despite good progress made in recent years, existing efforts usually overlooked the emotions in user-generated videos, thus making the generated sentence a bit boring and soulless. To fill the research gap, this paper presents a novel emotional video captioning framework in which we design a Vision-based Emotion Interpretation Network to effectively capture the emotions conveyed in videos and describe the visual content in both factual and emotional languages. Specifically, we first model the emotion distribution over an open psychological vocabulary to predict the emotional state of videos. Then, guided by the discovered emotional state, we incorporate visual context, textual context, and visual-textual relevance into an aggregated multimodal contextual vector to enhance video captioning. Furthermore, we optimize the network in a new emotion-fact coordinated way that involves two losses— Emotional Indication Loss and Factual Contrastive Loss , which penalize the error of emotion prediction and visual-textual factual relevance, respectively. In other words, we innovatively introduce emotional representation learning into an end-to-end video captioning network. Extensive experiments on public benchmark datasets, EmVidCap and EmVidCap-S, demonstrate that our method can significantly outperform the state-of-the-art methods by a large margin. Quantitative ablation studies and qualitative analyses clearly show that our method is able to effectively capture the emotions in videos and thus generate emotional language sentences to interpret the video content.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Star发布了新的文献求助10
刚刚
1秒前
44秒前
GeoEye发布了新的文献求助30
1分钟前
科研通AI5应助科研通管家采纳,获得10
1分钟前
科研通AI5应助科研通管家采纳,获得10
1分钟前
MchemG应助科研通管家采纳,获得10
1分钟前
科研通AI5应助科研通管家采纳,获得10
1分钟前
科研通AI5应助科研通管家采纳,获得10
1分钟前
科研通AI5应助科研通管家采纳,获得10
1分钟前
科研通AI5应助科研通管家采纳,获得10
1分钟前
科研通AI5应助科研通管家采纳,获得10
1分钟前
赘婿应助gwp1223采纳,获得40
1分钟前
orixero应助清风拂山岗采纳,获得10
1分钟前
无情的友容完成签到 ,获得积分10
2分钟前
2分钟前
2分钟前
2分钟前
斯文败类应助清风拂山岗采纳,获得10
2分钟前
3分钟前
MchemG应助科研通管家采纳,获得10
3分钟前
科研通AI5应助科研通管家采纳,获得10
3分钟前
香蕉觅云应助科研通管家采纳,获得10
3分钟前
科研通AI2S应助科研通管家采纳,获得10
3分钟前
科研通AI5应助科研通管家采纳,获得10
3分钟前
MchemG应助科研通管家采纳,获得10
3分钟前
科研通AI5应助科研通管家采纳,获得10
3分钟前
3分钟前
3分钟前
3分钟前
外向易形完成签到,获得积分10
3分钟前
清风拂山岗完成签到,获得积分10
4分钟前
amengptsd完成签到,获得积分10
4分钟前
科研通AI5应助TheaGao采纳,获得10
4分钟前
严珍珍完成签到 ,获得积分10
5分钟前
科研通AI5应助科研通管家采纳,获得10
5分钟前
科研通AI2S应助科研通管家采纳,获得10
5分钟前
科研通AI5应助科研通管家采纳,获得10
5分钟前
科研通AI5应助科研通管家采纳,获得10
5分钟前
科研通AI5应助科研通管家采纳,获得10
5分钟前
高分求助中
Production Logging: Theoretical and Interpretive Elements 2700
Neuromuscular and Electrodiagnostic Medicine Board Review 1000
こんなに痛いのにどうして「なんでもない」と医者にいわれてしまうのでしょうか 510
The First Nuclear Era: The Life and Times of a Technological Fixer 500
岡本唐貴自伝的回想画集 500
Distinct Aggregation Behaviors and Rheological Responses of Two Terminally Functionalized Polyisoprenes with Different Quadruple Hydrogen Bonding Motifs 450
Ciprofol versus propofol for adult sedation in gastrointestinal endoscopic procedures: a systematic review and meta-analysis 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3671283
求助须知:如何正确求助?哪些是违规求助? 3228138
关于积分的说明 9778550
捐赠科研通 2938378
什么是DOI,文献DOI怎么找? 1609975
邀请新用户注册赠送积分活动 760503
科研通“疑难数据库(出版商)”最低求助积分说明 735991