News Video Story Segmentation Based on Naïve Bayes Model

Segmentação de cenas em telejornais: uma abordagem multimodal

“…Em oposiçãoàs técnicas de extração de informação em texto dos trabalhos de características visuais e textuais (ASR), a maioria dos estudos que incluem as três mídias do vídeo utilizam métodos baseado em OCR Hua-Yong & Tingting, 2009;Jianping et al, 2009). Assim como os trabalhos que usam mais de uma mídia, as metodologias são similares, sejam nas abordagens visuais com identificação da imagem dô ancora com reconhecimento de face (Zhao et al, 2006;Jianping et al, 2009) e histogramas (Zhao et al, 2006;Hua-Yong & Tingting, 2009), nas técnicas deáudio com detecção de silêncio (Zhao et al, 2006;Jianping et al, 2009;Hua-Yong & Tingting, 2009) e identificação ou mudança do locutor (Colace et al, 2005;Zhao et al, 2006), além de técnicas de integração das mídias com aprendizado de máquina (Colace et al, 2005;Jianping et al, 2009) ou abordagens com ranking (Zhao et al, 2006;Wang et al, 2008).…”

“…Assim como os trabalhos que usam mais de uma mídia, as metodologias são similares, sejam nas abordagens visuais com identificação da imagem dô ancora com reconhecimento de face (Zhao et al, 2006;Jianping et al, 2009) e histogramas (Zhao et al, 2006;Hua-Yong & Tingting, 2009), nas técnicas deáudio com detecção de silêncio (Zhao et al, 2006;Jianping et al, 2009;Hua-Yong & Tingting, 2009) e identificação ou mudança do locutor (Colace et al, 2005;Zhao et al, 2006), além de técnicas de integração das mídias com aprendizado de máquina (Colace et al, 2005;Jianping et al, 2009) ou abordagens com ranking (Zhao et al, 2006;Wang et al, 2008). Apesar de apresentar uma metodologia detalhada, o trabalho falha em não apresentar maneiras de validação dos resultados obtidos, atendo-se apenasà apresentação das funcionalidades do arcabouço.…”

“…Fazendo uso de uma base de dados mais extensa, ao contrário da proposta anterior, estudos realizam os testes e validação de suas técnicas em base de vídeos com mais de uma emissora (Zhao et al, 2006) e também telejornais de países diferentes (Jianping et al, 2009), gerando técnicas mais abrangentes. Zhao et al (2006) abordaram o uso de características de texturas e cor, dentre elas histograma local de cor, para reconhecimento doâncora e algoritmos para reconhecimento de face como técnicas visuais.…”

“…A técnica de ranking obteve melhores resultados quando analisados em uma base de 60 horas de telejornais das emissoras CNN e ABC, mesmo com o reconhecimento de fala apresentando problemas, não sendo fidedignoà fala do locutor. Com uma base de telejornais de 15 horas do E.U.A e da China, Jianping et al (2009) usaram reconhecimento de face, classificação deáudio com momentos de silêncio, OCR, intensidade de movimento e, por fim, classificação bayesiana para integrar todos os atributos. De modo geral, essa técnica obteve desempenho melhor que as outras duas abordagens comparadas no trabalho, contudo algumas notícias apresentadas sem pausa peloâncora não foram detectadas e detectadas erroneamente algumas notícias com doisâncoras.…”