融合媒體下媒體內容淺析

前言：本站為你精心整理了融合媒體下媒體內容淺析范文，希望能為你的創(chuàng)作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

發(fā)展融合媒體是國家戰(zhàn)略,它不僅是全媒體功能、傳播手段乃至組織結構等核心要素的結合、匯聚和融合,也是信息傳輸渠道多元化下的新型運作模式.融合媒體的一大特點是網絡化內容匯聚、共平臺內容產生、多渠道內容分發(fā)、多終端用戶互動,視聽媒體制作播放開始大量采用云平臺技術,形成了“云+網”的網絡化協同制作模式和“云+移動端”的新媒體傳播模式.在這一背景下,融合媒體業(yè)務中的媒體數據來源和內容將更為復雜,被服務群體需求更為多樣化.如何在融合媒體環(huán)境下構建高質量的媒體內容分析模型,成為一個具有挑戰(zhàn)性的問題.本專題重點圍繞和關注視覺媒體的處理與分析,探討融媒體環(huán)境下數據高效精準管理、查詢和分析等先進技術的發(fā)展和提升.本專題公開征文,共收到投稿26篇.論文均通過了形式審查,內容涉及融媒體環(huán)境下的媒體內容的處理、檢索、檢測和語義描述等方向.特約編輯和編輯部對每篇投稿邀請多位專家進行評審.稿件經初審、復審和終審3個階段,歷時8個月,最終有6篇論文入選本專題.根據主題,這些論文可以分為兩組.

(1)融媒體環(huán)境下的媒體內容處理與檢索技術

《基于自編碼器生成對抗網絡的可配置文本圖像編輯》提出一種基于自動編碼器的文本圖像編輯模型,可以有效地基于語言描述自動編輯圖像,同時可以便捷友好地修正編輯效果,解決了給定文本編輯圖像時模態(tài)差異度較大的問題.

《基于跨模態(tài)自蒸餾的零樣本草圖檢索》提出了跨模態(tài)自蒸餾方法,從知識蒸餾的角度研究可泛化的特征,無需語義嵌入參與訓練,可解決草圖和圖像之間的模態(tài)差異問題,以及可見類和未見類的不一致性問題.

《顯著性引導及不確定性監(jiān)督的深度編解碼網絡》開展圖像精準語義分割研究,提出一種顯著性引導及不確定性監(jiān)督的深度卷積編解碼網絡,將初始生成的顯著圖和不確定概率圖作為監(jiān)督信息來優(yōu)化語義分割網絡的參數,解決了語義提取過程中空間信息丟失和模型魯棒性不強的問題.

(2)面向融媒體環(huán)境的媒體內容檢測與描述技術

《基于數據合成和度量學習的臺標檢測與識別》開展視頻中臺標這一重要目標的精準檢測研究,提出兩階段可伸縮的臺標檢測與識別方法,采用batch-hard度量學習方法快速訓練匹配模型,進而確定臺標類別,解決了類別多、結構復雜、區(qū)域小、信息量低、背景干擾大等難題.

《基于空時變換網絡的視頻摘要生成》提出一種空時變換網絡并應用于視頻摘要生成,該模型包括嵌入層、特征變換與融合層、輸出層3大模塊,通過空間特征和時序特征的分別嵌入,以彌補現有模型對時序信息表示的不足;通過多模態(tài)特征的變換和融合,以解決特征表示不完備的問題.

《基于視覺關聯與上下文雙注意力的圖像描述生成方法》提出在傳統視覺注意力中增加前一時刻注意力向量以保證視覺連貫性,獲取更完整的語義信息,從而指導生成最終的圖像描述文本,以解決因忽略視覺連貫性和上下文信息而導致生成描述與參考描述存在差異的問題.本專題主要面向多媒體信息處理、計算機視覺、信息檢索、機器學習及應用等多個領域的研究人員和工程人員,反映了我國學者在融媒體環(huán)境下內容分析等研究方向的最新研究進展.感謝《軟件學報》編委會對專題工作的指導和幫助,感謝專題全體評審專家及時、耐心、細致的評審工作,感謝踴躍投稿的所有作者.希望本專題能夠對融合媒體環(huán)境下內容分析技術和信息服務技術研究有所促進.

作者:汪萌 張勇東 俞俊 張偉 單位:合肥工業(yè)大學計算機與信息學院 中國科學技術大學信息科學技術學院 杭州電子科技大學計算機學院 廣播電視科學研究院