Video Hashing Popularity of spatio-temporal video hashes is due to the dịch - Video Hashing Popularity of spatio-temporal video hashes is due to the Việt làm thế nào để nói

Video Hashing Popularity of spatio-

Video Hashing Popularity of spatio-temporal video hashes is due to their ability to identify a video via both the spatial and temporal features. The video hashes, which are derived from the temporal representative frames TRF), have received of the interest. A video hashing scheme based on a temporally visual weight- much ing (TVW) method is proposed er 2013). The temporal variation of visual attention is utilized in (Liu al to weight the frames during the generation of the temporal representative trames TRF) Content Insertion in Video Comment insertio is emerging application of video processing in the context of advertisement inser tion, Advertisement insertion in videos (movie, sports, and other television programs provides much more advertising opportunity to the advertisers. However this task requires a lot of time and hard work for the large chunk of video data. Automatic content insertion techniques have been proposed to tackle this problem. While inserting contents, emphasiz is given on following two points l. The inserted contents should be easily noticeable by the audience. and The inserted contents should not disturb the audience's viewing experience to the original content. Therefore, the contents should be at a time when the video attracts more attention from the audi- ence. On the other hand, it should be inserted at a region in the frame where it will draw less attention as compared to the original contents of the frame. As a result, highly attentive shots are detected as the insertion time and less salient regions in the frames of those shots are selected as the insertion place. Based on visual attention modeling. a generic content insertion system is presented in (Liu et al 2008). The system uses temporal attention analysis to determine the highly attentive shots. It also selects the insertion place by detecting less salient regions through spatial attention analysis of the frames in the highly attentive shots. Thus. (Liu ct al. 2008) draws a balance between the attentiveness of the inserted content and disturbance of the viewing experience to the original content.
0/5000
Từ: -
Sang: -
Kết quả (Việt) 1: [Sao chép]
Sao chép!
Video phổ biến băm của nhất video băm là do khả năng của họ để xác định một đoạn video thông qua các tính năng không gian và thời gian. Các video băm, mà có nguồn gốc từ thời đại diện khung TRF), đã nhận được sự quan tâm. Một đề án hashing video dựa trên một phương pháp tạm trực quan trọng lượng nhiều ing (TVW) được đề xuất er năm 2013). Sự biến đổi thời gian trực quan chú ý sử dụng trong (Liu al để trọng lượng các khung hình trong thế hệ của các thời đại diện trames TRF) chèn nội dung trong Video bình luận insertio đang nổi lên các ứng dụng video chế biến trong bối cảnh quảng cáo inser tion, chèn quảng cáo trong video (phim, thể thao và các chương trình truyền hình khác cung cấp cơ hội quảng cáo nhiều hơn cho các nhà quảng cáo. Tuy nhiên công việc này đòi hỏi rất nhiều thời gian và khó làm việc cho đoạn lớn của dữ liệu video. Tự động chèn nội dung kỹ thuật đã được đề xuất để giải quyết vấn đề này. Trong khi chèn nội dung, emphasiz được cho vào sau hai điểm l. Nội dung được chèn vào nên dễ dàng đáng chú ý của khán giả. và các nội dung được chèn vào không nên làm phiền trải nghiệm xem của khán giả đến nội dung gốc. Do đó, nội dung nên tại một thời điểm khi video thu hút nhiều sự chú ý từ audi-ence. Mặt khác, nó nên được đưa vào tại một khu vực trong khung hình, nơi nó sẽ thu hút sự chú ý ít hơn so với các nội dung ban đầu của khung. Kết quả là, rất chu đáo các mũi chích ngừa được phát hiện như thời gian chèn và các khu vực ít nổi bật trong khung những bức ảnh được chọn làm nơi chèn. Dựa trên mô hình hóa trực quan chú ý. một hệ thống chung chèn nội dung được trình bày trong (Liu et al 2008). Hệ thống sử dụng tạm thời chú ý phân tích để xác định các mũi chích ngừa rất chu đáo. Nó cũng có thể chọn nơi chèn bằng cách phát hiện các khu vực ít nổi bật thông qua không gian chú ý phân tích của các khung ở các mũi chích ngừa rất chu đáo. Như vậy. (Liu ct al. 2008) rút ra một sự cân bằng giữa sự chú tâm của các nội dung được chèn vào và xáo trộn của những trải nghiệm nội dung ban đầu.
đang được dịch, vui lòng đợi..
Kết quả (Việt) 2:[Sao chép]
Sao chép!
Video Băm phổ biến của băm phim không-thời gian là do khả năng của họ để xác định video qua cả các tính năng không gian và thời gian. Các băm video, trong đó có nguồn gốc từ đại diện thời gian khung TRF), đã nhận được sự quan tâm. Đề án phim băm dựa trên một phương pháp weight- tạm thời hình ảnh nhiều ing (TVW) được đề xuất er 2013). Sự biến đổi theo thời gian của sự chú ý trực quan được sử dụng trong (Liu al trọng lượng khung hình trong thế hệ của người đại diện theo thời gian trames TRF) Nội dung Insertion Video Comment insertio đang nổi lên ứng dụng xử lý video trong bối cảnh của sự INSER quảng cáo, Quảng cáo chèn trong video (phim, thể thao, và các chương trình truyền hình khác cung cấp các cơ hội quảng cáo nhiều hơn nữa để các nhà quảng cáo. Tuy nhiên công việc này đòi hỏi rất nhiều thời gian và công việc khó khăn cho các khối lượng dữ liệu video. nội dung tự động kỹ thuật chèn đã được đề xuất để giải quyết vấn đề này khi. chèn nội dung, emphasiz được cho vào sau hai điểm l. các nội dung chèn nên dễ dàng nhận bởi khán giả. và Nội dung chèn không nên làm phiền kinh nghiệm xem của khán giả với nội dung ban đầu. Vì vậy, các nội dung nên có một thời gian khi Video thu hút sự chú ý nhiều hơn từ kinh audi-. Mặt khác, nó nên được chèn vào một khu vực trong khung nơi mà nó sẽ thu hút ít sự chú ý so với các nội dung ban đầu của khung. Kết quả là, bức ảnh rất chu đáo được phát hiện như là các thời điểm chèn và các khu vực kém nổi bật trong các khung hình của những bức ảnh được lựa chọn như là nơi chèn. Dựa trên mô hình chú ý thị giác. một hệ thống chèn nội dung chung chung được trình bày trong (Liu et al 2008). Hệ thống sử dụng phân tích chú ý thời gian để xác định những bức ảnh rất chu đáo. Nó cũng chọn nơi chèn bằng cách phát hiện các khu vực kém nổi bật thông qua phân tích sự chú ý không gian của các khung hình trong các bức ảnh rất chu đáo. Do đó. (Liu ct al. 2008) rút ra một sự cân bằng giữa sự chú tâm của nội dung chèn vào và xáo trộn của những kinh nghiệm xem các nội dung ban đầu.
đang được dịch, vui lòng đợi..
 
Các ngôn ngữ khác
Hỗ trợ công cụ dịch thuật: Albania, Amharic, Anh, Armenia, Azerbaijan, Ba Lan, Ba Tư, Bantu, Basque, Belarus, Bengal, Bosnia, Bulgaria, Bồ Đào Nha, Catalan, Cebuano, Chichewa, Corsi, Creole (Haiti), Croatia, Do Thái, Estonia, Filipino, Frisia, Gael Scotland, Galicia, George, Gujarat, Hausa, Hawaii, Hindi, Hmong, Hungary, Hy Lạp, Hà Lan, Hà Lan (Nam Phi), Hàn, Iceland, Igbo, Ireland, Java, Kannada, Kazakh, Khmer, Kinyarwanda, Klingon, Kurd, Kyrgyz, Latinh, Latvia, Litva, Luxembourg, Lào, Macedonia, Malagasy, Malayalam, Malta, Maori, Marathi, Myanmar, Mã Lai, Mông Cổ, Na Uy, Nepal, Nga, Nhật, Odia (Oriya), Pashto, Pháp, Phát hiện ngôn ngữ, Phần Lan, Punjab, Quốc tế ngữ, Rumani, Samoa, Serbia, Sesotho, Shona, Sindhi, Sinhala, Slovak, Slovenia, Somali, Sunda, Swahili, Séc, Tajik, Tamil, Tatar, Telugu, Thái, Thổ Nhĩ Kỳ, Thụy Điển, Tiếng Indonesia, Tiếng Ý, Trung, Trung (Phồn thể), Turkmen, Tây Ban Nha, Ukraina, Urdu, Uyghur, Uzbek, Việt, Xứ Wales, Yiddish, Yoruba, Zulu, Đan Mạch, Đức, Ả Rập, dịch ngôn ngữ.

Copyright ©2024 I Love Translation. All reserved.

E-mail: