multimedia

新框架整合音频、视觉和时序信息用于音乐会视频编辑

研究人员开发了一个新颖的多摄像头音乐会视频编辑框架，整合了音频、视觉和时序数据。该系统采用模块化方法，结合了乐器活动、可见乐器和图像清晰度与基于节拍的时序和概率性摄像机选择。一个可解释的评分模型指导在完整镜头区间内的视图选择，尽管在四摄像头音乐会上的初步专家评估结果好坏参半。研究结果表明，需要纳入超越局部视听相关性的上下文和序列级标准来提高编辑质量。