Cross-modal Deep Learning Applications: Audio-Visual Retrieval

计算机科学 人工智能 模态(人机交互) 情态动词 深度学习 语音识别 特征学习 模式识别(心理学) 视听 卷积神经网络 图像检索 判别式 特征(语言学) 机器学习 学习迁移
作者
Cong Jin,Tian Zhang,Shouxun Liu,Yun Tie,Xin Lv,Jianguang Li,Yan Wencai,Ming Yan,Qian Xu,Yicong Guan,Zhenggougou Yang
出处
期刊:Lecture Notes in Computer Science 卷期号:: 301-313
标识
DOI:10.1007/978-3-030-68780-9_26
摘要

Recently, deep neural networks have exhibited as a powerful architecture to well capture the nonlinear distribution of high-dimensional multimedia data such as image, video, text and audio, so naturally does for multi-modal data. How to make full use of multimedia data? This leads to an important research direction: cross-modal learning. In this paper, we introduce a method based on the content of audio and video data modalities implemented with a novel two-branch neural network is to learn the joint embeddings from a shared subspace for computing the similarity between the two modalities. In particular, the contribution of proposed method is mainly manifested in the three aspects: i) Using feature selection model for choosing top-k audio and visual feature representation; ii) A novel combination of training loss function concerning inter-modal similarity and intra-modal invariance is used; iii) Due to the lack of video-music paired dataset, we construct dataset of video-music pairs from YouTube 8M and MER31K datasets. The experiments have proved that our proposed model has a better performance compared with other methods.
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
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

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
柴柴完成签到,获得积分10
刚刚
众生平等发布了新的文献求助10
刚刚
程嘉玲完成签到 ,获得积分20
1秒前
默默善愁发布了新的文献求助10
1秒前
1秒前
1秒前
hou发布了新的文献求助10
3秒前
3秒前
3秒前
小二郎应助科研通管家采纳,获得10
3秒前
顾矜应助科研通管家采纳,获得10
3秒前
充电宝应助科研通管家采纳,获得10
3秒前
3秒前
乐乐应助科研通管家采纳,获得10
3秒前
3秒前
法外狂徒应助科研通管家采纳,获得10
3秒前
4秒前
4秒前
4秒前
4秒前
4秒前
5秒前
王晓完成签到,获得积分10
5秒前
众生平等完成签到,获得积分10
6秒前
JL完成签到,获得积分10
6秒前
胡萝卜发布了新的文献求助10
6秒前
8秒前
9秒前
dou发布了新的文献求助10
9秒前
fantast完成签到,获得积分10
9秒前
zd发布了新的文献求助10
10秒前
老鱼吹浪完成签到,获得积分10
11秒前
jdjd发布了新的文献求助10
12秒前
14秒前
lslslslsllss发布了新的文献求助20
14秒前
Orange应助愤怒的小兔子采纳,获得10
15秒前
赘婿应助迷路的煎蛋采纳,获得10
16秒前
18秒前
老实迎丝发布了新的文献求助10
18秒前
Hilda007应助默默善愁采纳,获得10
18秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
HIGH DYNAMIC RANGE CMOS IMAGE SENSORS FOR LOW LIGHT APPLICATIONS 1500
Constitutional and Administrative Law 1000
The Social Work Ethics Casebook: Cases and Commentary (revised 2nd ed.). Frederic G. Reamer 800
Corrosion and corrosion control 500
Die Fliegen der Palaearktischen Region. Familie 64 g: Larvaevorinae (Tachininae). 1975 500
The Experimental Biology of Bryophytes 500
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 生物化学 物理 纳米技术 计算机科学 内科学 化学工程 复合材料 物理化学 基因 遗传学 催化作用 冶金 量子力学 光电子学
热门帖子
关注 科研通微信公众号,转发送积分 5373754
求助须知:如何正确求助?哪些是违规求助? 4499770
关于积分的说明 14007232
捐赠科研通 4406707
什么是DOI,文献DOI怎么找? 2420672
邀请新用户注册赠送积分活动 1413421
关于科研通互助平台的介绍 1389992