Feature-compatible Progressive Learning for Video Copy Detection

要約

タイトル：ビデオ複製検出のための特徴互換性あるプログレッシブ・ラーニング
要約：
– ビデオ複製検出は、不正または重複したビデオコンテンツのインスタンスを特定するために開発されている。
– 本論文では、Meta AI Video Similarity Challenge（VSC22）、CVPR 2023に提出するために、ビデオ複製検出のためのFeature-Compatible Progressive Learning（FCPL）の初めてのソリューションと2番目のソリューションを提供する。
– FCPLは、相互に互換性のある特徴を生成するさまざまなモデルをトレーニングし、複数の異なるモデルから派生した特徴を直接比較できるようにする。
– 相互互換性があることにより、特徴アンサンブルが可能になる。
– ラベル付きのグラウンドトゥルースペアを利用して、プログレッシブ・ラーニングを実装し、効果的に性能を向上させる。
– 実験結果は、本提案のFCPLが他の競合者よりも優れていることを示している。
– コードは、https://github.com/WangWenhao0716/VSC-DescriptorTrack-Submissionとhttps://github.com/WangWenhao0716/VSC-MatchingTrack-Submissionで利用可能である。

要約(オリジナル)

Video Copy Detection (VCD) has been developed to identify instances of unauthorized or duplicated video content. This paper presents our first and second solutions to the Meta AI Video Similarity Challenge (VSC22), CVPR 2023. In order to compete in this challenge, we propose Feature-Compatible Progressive Learning (FCPL) for VCD. FCPL trains various models that produce mutually-compatible features, meaning that the features derived from multiple distinct models can be directly compared with one another. We find this mutual compatibility enables feature ensemble. By implementing progressive learning and utilizing labeled ground truth pairs, we effectively gradually enhance performance. Experimental results demonstrate the superiority of the proposed FCPL over other competitors. Our code is available at https://github.com/WangWenhao0716/VSC-DescriptorTrack-Submission and https://github.com/WangWenhao0716/VSC-MatchingTrack-Submission.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI