<mark id="oztn4"></mark>
0
雷鋒網(wǎng) AI 研習(xí)社按，在電視綜藝節(jié)目的攝制過(guò)程中，常常會(huì)出現(xiàn)十幾、二十多臺(tái)攝像機(jī)同時(shí)拍攝的情況，比如多臺(tái)攝像機(jī)跟拍一個(gè)藝人。這樣的一次跟拍耗時(shí)長(zhǎng)，素材多，因此也給視頻的后期和剪輯帶來(lái)了非常多的不便，對(duì)于視頻剪輯人員來(lái)說(shuō)也頗為枯燥和繁瑣。
這些視頻素材一般會(huì)經(jīng)歷兩個(gè)剪輯過(guò)程：首先初剪所有的視頻素材，去掉明顯不可用的鏡頭，然后再精剪。但不論哪個(gè)過(guò)程，都需要導(dǎo)演和剪輯師在剪輯過(guò)程中時(shí)刻判斷哪些片段是需要留下來(lái)的，哪些片段能產(chǎn)生良好的觀賞效果。雖然視頻剪輯師們?cè)谧R(shí)別「精彩鏡頭」方面有著豐富的經(jīng)驗(yàn)，但當(dāng)素材量很大或者需要在同一時(shí)刻的數(shù)個(gè)鏡頭里做出選擇時(shí)，他們?nèi)孕枰ㄙM(fèi)不少精力。
針對(duì)上述的行業(yè)痛點(diǎn)，12 月 28 日，百度和科賽網(wǎng)聯(lián)合發(fā)起的「PaddlePaddle AI 大賽」正式開(kāi)賽。本次大賽聚焦于電視綜藝行業(yè)，百度 BROAD 數(shù)據(jù)集提供了來(lái)自愛(ài)奇藝的 1500 條總共 1200 小時(shí)電視綜藝視頻。參賽選手們要利用百度 PaddlePaddle 分布式深度學(xué)習(xí)平臺(tái)及 BROAD 公開(kāi)數(shù)據(jù)集，通過(guò)訓(xùn)練學(xué)習(xí)視頻幀的圖片特征序列，輸出實(shí)際可用的影視行業(yè)預(yù)測(cè)精彩片段時(shí)間戳的算法模型，進(jìn)而對(duì)任意一個(gè)未被標(biāo)注精彩片段的長(zhǎng)視頻，輸出其中精彩片段的時(shí)間戳，從而減輕視頻剪輯師的工作壓力。
經(jīng)過(guò) 3 個(gè)月的角逐，來(lái)自上海交通大學(xué)自動(dòng)化系計(jì)算機(jī)視覺(jué)實(shí)驗(yàn)室的在讀研究生林天威在其導(dǎo)師趙旭老師的指導(dǎo)下獲得了本次 PaddlePaddle AI 開(kāi)發(fā)者大賽冠軍，并受邀在百度 AI 開(kāi)發(fā)者實(shí)戰(zhàn)營(yíng)上發(fā)表演講。實(shí)際上，林天威已經(jīng)是視頻分析和理解領(lǐng)域的「老手」，在去年CVPR舉辦的ActivityNet Large Scale ActivityRecognition Challenge 上，林天威就獲得了未修剪視頻序列時(shí)序動(dòng)作提名（TemporalAction Proposal）和時(shí)序動(dòng)作定位（Temporal Action Localization）兩項(xiàng)任務(wù)的冠軍。
理解視頻中人的動(dòng)作和行為是計(jì)算機(jī)視覺(jué)領(lǐng)域里非常具有挑戰(zhàn)性的問(wèn)題，擁有很大的應(yīng)用潛力。能夠在兩次視頻分析挑戰(zhàn)賽中奪得冠軍，林天威在視頻分析和處理方面有哪些獨(dú)到的經(jīng)驗(yàn)？雷鋒網(wǎng) AI 研習(xí)社借此機(jī)會(huì)采訪了林天威，向各位 AI 開(kāi)發(fā)者分享他的學(xué)習(xí)和比賽經(jīng)歷。
以下是雷鋒網(wǎng) AI 研習(xí)社采訪內(nèi)容：
請(qǐng)問(wèn)你參加這次百度 PaddlePaddle AI 挑戰(zhàn)賽的初衷是什么？
我讀研以來(lái)一直在做時(shí)序動(dòng)作檢測(cè)領(lǐng)域的研究，百度提出的 BROAD 數(shù)據(jù)集正好也是做時(shí)序檢測(cè)任務(wù)的，所以我主要想通過(guò) BROAD 數(shù)據(jù)集和這次競(jìng)賽來(lái)檢測(cè)一下時(shí)序動(dòng)作檢測(cè)領(lǐng)域算法在實(shí)際問(wèn)題與場(chǎng)景的應(yīng)用中能獲得怎樣的效果。
對(duì)于本次比賽而言，你覺(jué)得你的方案有哪些創(chuàng)新之處能讓你保持第一的成績(jī)？
此次競(jìng)賽我直接使用了我近期投稿在 ECCV 的論文中的算法，其主要的創(chuàng)新之處是采用了由局部到整體（local to global）的算法框架，能夠獲得比較高質(zhì)量的時(shí)序片段邊界。由于該算法在 BROAD 數(shù)據(jù)集上直接跑的效果很好，所以競(jìng)賽中沒(méi)有做模型融合，也沒(méi)有添加額外的 trick。
比賽第一階段使用的是已抽取的 10% 的視頻訓(xùn)練集，而第二階段使用的是全量視頻數(shù)據(jù)訓(xùn)練集，這樣的變化給你的訓(xùn)練帶來(lái)怎樣挑戰(zhàn)？
訓(xùn)練時(shí)間以及訓(xùn)練時(shí)需要的內(nèi)存更大一些，其余無(wú)影響。
視頻幀的特征包括兩部分，一個(gè)是圖像的特征，一個(gè)是語(yǔ)音的特征，但本次比賽視頻幀特征序列只從圖像抽取特征，你覺(jué)得本次比賽的結(jié)果能否解決實(shí)際視頻分析中的問(wèn)題？
實(shí)際上復(fù)賽中可以使用語(yǔ)音的特征。對(duì)于精彩片段檢測(cè)問(wèn)題，由于定義和標(biāo)注比較明確，所以此次競(jìng)賽中大家的算法能獲得比較好的檢測(cè)效果，我覺(jué)得可以用于實(shí)際場(chǎng)景中。
本次分析綜藝視頻的技術(shù)和經(jīng)驗(yàn)?zāi)芊駪?yīng)用于其他行業(yè)？比如安防？
此次競(jìng)賽其實(shí)是「時(shí)序動(dòng)作檢測(cè)」任務(wù)，我認(rèn)為相關(guān)算法不太適合安防場(chǎng)景，因?yàn)榘卜缊?chǎng)景通常需要：1）在線處理 2）同時(shí)定位圖像中的目標(biāo)位置。相對(duì)來(lái)說(shuō)，時(shí)序動(dòng)作檢測(cè)算法更適合與這次競(jìng)賽類似的網(wǎng)絡(luò)娛樂(lè)視頻的分析、檢測(cè)和推薦任務(wù)。
你曾經(jīng)參加過(guò) ActivityNet 視頻行為分類比賽并獲得了兩項(xiàng)任務(wù)的冠軍，那么參加 ActivityNet 比賽的經(jīng)驗(yàn)對(duì)此次 PaddlePaddle AI 挑戰(zhàn)賽有哪些借鑒之處？
實(shí)際上兩者的任務(wù)非常相似（時(shí)序檢測(cè)），BROAD 數(shù)據(jù)集的標(biāo)注、測(cè)評(píng)代碼也基本參考了 ActivityNet 中的設(shè)計(jì)。在 ActivityNet 和 PaddlePaddle AI 競(jìng)賽中，獲得高質(zhì)量結(jié)果都有兩個(gè)要點(diǎn)：(1) 時(shí)序檢測(cè)片段需要有精確的邊界；(2)時(shí)序檢測(cè)片段的置信度要準(zhǔn)確，從而獲得良好的排序。
本次挑戰(zhàn)賽用到了百度 BROAD 的視頻數(shù)據(jù)集，你覺(jué)得該數(shù)據(jù)集和你以前接觸過(guò)的 ActivityNet、Kinetics、UCF-101、Moments in Time 等視頻數(shù)據(jù)集相比有哪些特點(diǎn)？開(kāi)發(fā)者在使用BROAD 的視頻數(shù)據(jù)集訓(xùn)練模型時(shí)需要注意哪些事情？
BROAD 數(shù)據(jù)集的標(biāo)注分布其實(shí)和 THUMOS-2014 比較像，但是包含的視頻數(shù)量要多一些。BROAD 數(shù)據(jù)集的優(yōu)點(diǎn)是提供了質(zhì)量不錯(cuò)的特征，缺點(diǎn)則是類別和場(chǎng)景比較單一，若作為學(xué)術(shù)場(chǎng)景中使用我覺(jué)得多樣性有些不足。
如果在用 BROAD 的視頻數(shù)據(jù)集訓(xùn)練模型時(shí)，需要注意的點(diǎn)可能有：由于特征文件比較大，所以可以先對(duì)特征降采樣（比如五分之一），再運(yùn)行后面的算法。
你在 ActivityNet 比賽里獲得兩項(xiàng)任務(wù)的冠軍，同時(shí)在 PaddlePaddleAI 挑戰(zhàn)賽里一直保持著第一的好成績(jī)，你有什么好的比賽經(jīng)驗(yàn)或者建議可以分享給其他的開(kāi)發(fā)者嗎？
我參加的這兩次競(jìng)賽實(shí)際上都算是學(xué)術(shù)性比較強(qiáng)的競(jìng)賽，而且我一直研究這個(gè)方向，所以對(duì)視頻分析比較熟悉。我的建議是，如果是學(xué)術(shù)類的競(jìng)賽，還是要多看相關(guān)領(lǐng)域的論文；此外，在開(kāi)始設(shè)計(jì)模型前，最好先對(duì)數(shù)據(jù)集本身的分布情況做一個(gè)詳盡的分析。
通過(guò)這次比賽，你覺(jué)得百度的 PaddlePaddle 深度學(xué)習(xí)框架和其他的深度學(xué)習(xí)框架相比有什么特點(diǎn)？
本次比賽中開(kāi)放使用的版本（paddlepaddle0.10）我覺(jué)得可能比較適合生產(chǎn)場(chǎng)景部署吧，作為學(xué)術(shù)研究的話靈活性比較差。后續(xù)的 fluid 接口在這方面應(yīng)該會(huì)好一些。
目前你還在上海交大讀研究生，畢業(yè)后你有怎樣的打算？準(zhǔn)備往哪個(gè)方向發(fā)展？
畢業(yè)后計(jì)劃開(kāi)始工作，個(gè)人希望進(jìn)入安防或其他視頻分析相關(guān)的方向發(fā)展。
想查閱上文所提到的論文以及獲取更多視頻分析經(jīng)驗(yàn)，請(qǐng)?jiān)L問(wèn)林天威知乎和個(gè)人主頁(yè)：
知乎：
https://www.zhihu.com/people/wzmsltw/activities
個(gè)人主頁(yè)：
https://wzmsltw.github.io/
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
