Nini kilitokea
Asiae anaripoti kuwa timu ya utafiti ya UNIST iliunda SVHighlights, alama iliyo na video 320 katika michezo minane na jumla ya saa 640.18. Timu pia ilitengeneza TF-SELECTOR, mfumo wa AI unaochanganya sehemu za matukio, utambuzi wa usemi, modeli za lugha ya maono, na miundo mikubwa ya lugha ili kutambua mambo muhimu katika video ndefu za michezo.
Asiae inaripoti kuwa SVHighlights ina video 320 zinazohusisha soka, besiboli, mpira wa vikapu, voliboli, mpira wa magongo wa Marekani, mpira wa magongo, raga na mbio, na muda wa pamoja wa saa 640.18. Video ya wastani ina urefu wa takriban saa mbili, ambayo duka inaielezea kuwa ndefu mara 30 hadi 60 kuliko seti za awali za data na karibu na urefu wa matangazo halisi ya michezo.
Kulingana na Asiae, watafiti walitumia vivutio rasmi vinavyopatikana hadharani vilivyoratibiwa na wahariri wa kitaalamu kama kiwango cha marejeleo. Kwa sababu maeneo kamili ya vivutio hivyo katika video za mechi kamili hayakupatikana, timu iliunda algoriti ya upatanishi ambayo inalinganisha fremu katika kiwango cha pikseli huku pia ikitumia mpangilio wa matukio kutofautisha michezo halisi na uchezaji wa marudio wa matangazo. Toleo linaripoti kiwango cha makosa cha 0.18% katika mchakato wa kulinganisha kiotomatiki.
Asiae pia anaripoti kuwa timu ilitengeneza TF-SELECTOR kwa video ndefu za michezo. Kwenye SVHighlights, inaripotiwa kuwa mfumo ulizidi kielelezo bora zaidi kwa asilimia 2.50 kwenye HIT@1, pointi 4.04 kwenye HIT@K, na pointi 2.95 kwenye makutano ya muungano. Takwimu hizi ni madai kutoka kwa utafiti ulioripotiwa; hakuna marudio ya kujitegemea au matokeo ya mtihani hutolewa katika chanzo.
Ripoti inasema utafiti ulikubaliwa katika ACM KDD mnamo Agosti 9 na kwamba seti ya data na msimbo zinapatikana kwenye ukurasa wa mradi wa timu ya utafiti. Haitoi bei, masharti ya leseni, vikwazo vya ufikiaji au mahitaji ya utekelezaji. Hakuna upatikanaji wa bidhaa za kibiashara umeandikwa. Taarifa hiyo haikuthibitishwa kivyake hapa.
Maelezo ya chanzo: asiae.co.kr ↗
Kwa nini ni muhimu
Uchimbaji wa vivutio vya michezo ya muda mrefu ni vigumu kutathmini kwa sababu seti za data zilizopo kwa ujumla hutumia klipu fupi na zinahitaji uwekaji lebo kwa mikono. Asiae anasema SVHighlights hutumia vivutio vya utangazaji vilivyohaririwa kitaalamu kama nyenzo ya marejeleo na mbinu ya kupanga kiotomatiki ili kuunganisha vivutio hivyo kwenye mechi kamili. Ikiwa mkusanyiko wa data na msimbo unaweza kufikiwa kama ilivyoripotiwa, watafiti wanaweza kuwa na msingi wa kweli zaidi wa mifumo ya majaribio inayokusudiwa kuchakata matangazo kamili badala ya nukuu fupi. Ripoti haiashirii kwa kujitegemea uhalali mpana zaidi wa kiwango, hali ya utoaji leseni au utendaji nje ya majaribio yaliyoripotiwa.
Vigezo vingi vya michezo na video hutegemea klipu fupi kwa sababu ni ghali kutambua mwenyewe vipindi vya kuangazia kwenye michezo kamili. Mbinu iliyoripotiwa inaweza kupunguza mzigo huo wa uwekaji lebo na kufanya tathmini iwakilishe zaidi mzigo wa kazi wa uchambuzi wa utangazaji.
Kigezo kilichoundwa kutokana na michezo ya urefu kamili kinaweza kufichua matatizo ambayo majaribio ya klipu fupi yanaweza kukosa, ikiwa ni pamoja na utafutaji wa masafa marefu, uchezaji wa marudio, usahihi wa muda, na hitaji la kuorodhesha idadi ndogo tu ya matukio muhimu kutoka kwa saa za video.
Mafanikio yaliyoripotiwa ya TF-SELECTOR yana maana ndani ya tathmini ya utafiti, lakini hayafai kuchukuliwa kama uthibitisho wa ubora wa jumla. Utendaji unaweza kutegemea michezo iliyochaguliwa, mitindo ya utangazaji, vivutio vya marejeleo na vipimo.
Maana ya vitendo ni kwamba watafiti na watengenezaji wa vyombo vya habari vya michezo wanaweza kutumia majaribio marefu yaliyosanifiwa ili kulinganisha mifumo ya kuangazia kabla ya kuituma kwa uhariri, ugunduzi au utafutaji kwenye kumbukumbu. Ikiwa rasilimali hiyo inatumika kisheria na kitaalamu kwa madhumuni hayo bado haijulikani.
Mbinu shirikishi: Jinsi Inavyofanya Kazi Kweli
Chunguza teknolojia msingi nyuma ya ukuzaji huu kwa maingiliano.
Which component of an AI application is the machine-learning model itself?
Nini cha kutazama baadaye
Data na msimbo unaripotiwa kupatikana kupitia ukurasa wa mradi wa timu ya watafiti, lakini Asiae haijabainisha leseni, masharti ya kupakua, kukokotoa mahitaji, au iwapo video zote chanzo zinaweza kusambazwa upya. Tazama tathmini huru kuhusu michezo na watangazaji wa ziada, uchunguzi wa iwapo mambo muhimu yaliyochaguliwa kitaalamu yanatanguliza upendeleo wa uhariri, na ushahidi kwamba TF-SELECTOR inaboresha utendakazi wa vitendo zaidi ya vipimo vya alama vilivyoripotiwa.
Thibitisha kama SVHighlights inaweza kupakuliwa kikamilifu, ni leseni gani inayodhibiti video na ufafanuzi, na kama ukurasa wa mradi unatoa maagizo na msimbo wa tathmini unaoweza kuzalishwa tena.
Watafiti wanaojitegemea wanapaswa kupima alama kwenye ligi, lugha, mitindo ya uzalishaji na michezo ambayo haijawakilishwa au kuwakilishwa kidogo katika mkusanyiko ulioripotiwa.
Matumizi ya vivutio vilivyochaguliwa na mtangazaji yanaweza kusimba hukumu za uhariri badala ya ufafanuzi wa umuhimu. Ufafanuzi mbadala au tathmini zinazomlenga mtumiaji zinaweza kufafanua kikomo hicho.
Asiae hairipoti bei, upatikanaji wa huduma, kiolesura cha mtumiaji, API, au kifurushi cha kusambaza cha TF-SELECTOR. Kwa hivyo, upatikanaji wake wa vitendo zaidi ya mpangilio wa utafiti haujulikani.