Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/25341
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2019_GabrielFritzSluzala_tcc.pdf9,21 MBAdobe PDFver/abrir
Título: Uma ferramenta de estilos para sumarização automática de vídeo
Autor(es): Sluzala, Gabriel Fritz
Orientador(es): Borges, Díbio Leandro
Assunto: Vídeo digital
Aprendizado do computador
Processamento de imagens - técnicas digitais
Data de apresentação: 15-Fev-2019
Data de publicação: 11-Ago-2020
Referência: SLUZALA, Gabriel Fritz. Uma ferramenta de estilos para sumarização automática de vídeo. 2019. 74 f. Trabalho de Conclusão de Curso (Bacharelado em Engenharia da Computação)—Universidade de Brasília, Brasília, 2019.
Resumo: Sumarização automática de vídeos consiste em aplicar técnicas capazes de gerar versões compactas e representativas do vídeo original. Essa vem sendo explorada em diversas pesquisas atualmente, devido a necessidade de consumo de grandes quantidades de dados em formato de vídeo. Neste contexto, diversos trabalhos em aprendizagem de máquina comparam seus resultados usando bases de referência, as quais apresentam vídeos originais e sumários informativos, a fim de verificar a eficiência de seus modelos. Porém, pouco são exploradas as diferentes necessidades de sumarização, que não relacionadas com a seleção de partes mais informativas do vídeo. Neste trabalho, introduz-se o conceito de estilos aplicados a sumarização, os quais são capazes de gerar sumários para diferentes necessidades. Em seguida, utiliza-se um modelo supervisionado para gerar escores de importância para os quadros de vídeos e, com isso, desenvolvem-se critérios de seleção a fim de gerar sumários diferentes, de acordo com a finalidade desses. Por fim, realiza-se uma análise dos diferentes sumários gerados.
Abstract: Automatic video summarization is the application of techniques, which can create representative and compact versions of the original video. It has been significantly explored in researches, due to the need of absorbing great amounts of data in video format. In this context, several researches in machine learning compare their results to benchmarks, which presents the original videos and the informative summaries, in order to test their models. However, the different needs of summarization, other than the selection of the video’s most informative parts, are little explored. It is proposed a summarization applied style concept, which is capable of creating summaries for different needs. Then, a supervised model is used to generate the importance scores of frames and, thereby, selection criterias are developed in order to create different summaries, according to its purpose. Lastly, the different summaries, generated by the selection criterias, are analysed.
Informações adicionais: Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2019.
Aparece na Coleção:Engenharia da Computação



Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.