1、花样滑冰动作识别
花样滑冰运动很难通过一帧或几帧图像中的人物姿态去判断动作类别;
花样滑冰相同大类、不同小类的两个动作类别仅存于某几帧的细微差异,判别难度极高。然而,其他帧的特征也必须保留,以便用于大类识别以及“多义帧”处理等情况。
2、多模态体育视频分类
视频标签具有高层语义特点,单模态特征难以表达,高质量视频分类数据有限,对应的图像、音频、文本高语义特征提取困难;
不同模态之间存在语义鸿沟,模态之间交互存在挑战,不同模态可能存在互相干扰情况;
视频主题混杂以及长视频处理困难问题,单模态可能存在较大噪声和缺失情况,对模型的鲁棒性有较高要求。
3、足球视频精彩片段剪辑
动作检测任务复杂度高:视频精彩片段剪辑任务的实现要点在于准确找到该类动作发生的起止点。但体育类视频内经常包含大量冗余的背景信息,动作类别多样且持续时长相对较短,要精准的判断出动作的起始点和对应类别,任务难度高;
视频中的信息具有多样性,如何有效利用这些特征信息。
产业实践范例教程
助力企业跨越AI落地鸿沟
精彩课程预告
以上体育赛事的三大场景均已建设为产业实践范例供大家快速上手体验和应用,除此之外,我们也准备了相应的课程讲解。2月17日20:00-21:30,大连理工大学刘教授和百度高级工程师将深度解析从数据准备、方案设计到模型优化部署的开发全流程,手把手教大家进行代码实践。
精彩内容抢先看
关注公众号,获取更多技术内容~
1、花样滑冰动作识别
花样滑冰运动很难通过一帧或几帧图像中的人物姿态去判断动作类别;
花样滑冰相同大类、不同小类的两个动作类别仅存于某几帧的细微差异,判别难度极高。然而,其他帧的特征也必须保留,以便用于大类识别以及“多义帧”处理等情况。
2、多模态体育视频分类
视频标签具有高层语义特点,单模态特征难以表达,高质量视频分类数据有限,对应的图像、音频、文本高语义特征提取困难;
不同模态之间存在语义鸿沟,模态之间交互存在挑战,不同模态可能存在互相干扰情况;
视频主题混杂以及长视频处理困难问题,单模态可能存在较大噪声和缺失情况,对模型的鲁棒性有较高要求。
3、足球视频精彩片段剪辑
动作检测任务复杂度高:视频精彩片段剪辑任务的实现要点在于准确找到该类动作发生的起止点。但体育类视频内经常包含大量冗余的背景信息,动作类别多样且持续时长相对较短,要精准的判断出动作的起始点和对应类别,任务难度高;
视频中的信息具有多样性,如何有效利用这些特征信息。
产业实践范例教程
助力企业跨越AI落地鸿沟
精彩课程预告
以上体育赛事的三大场景均已建设为产业实践范例供大家快速上手体验和应用,除此之外,我们也准备了相应的课程讲解。2月17日20:00-21:30,大连理工大学刘教授和百度高级工程师将深度解析从数据准备、方案设计到模型优化部署的开发全流程,手把手教大家进行代码实践。
精彩内容抢先看
关注公众号,获取更多技术内容~