視覚コンテンツを表現するための強化されたビジュアルワードベクトル空間モデル：アスレチック画像の解析

異なる視覚的外観を持つ画像は、より高いレベルの概念化を用いて意味的に関連付けられることがあります。しかし、画像分類や検索システムは、画像内の低レベルの視覚構造のみに依存する傾向があります。本論文は、視覚コンテンツを表現するために、よく知られたビジュアルワード（BVW）を利用することで、この意味的ギャップの制限に対処するフレームワークを提示します。この論文の新規性は三つの点にあります。第一に、代表的なキーポイントからビジュアルワードを構成することで、ビジュアルワードの質を向上させます。第二に、視覚データのコンテンツを表すのに役立たず、分類能力を低下させる「非情報的ビジュアルワード」を検出します。既存のフレームワークとは異なり、非情報的ビジュアルワードの二つの主要な特徴を定義します：高い文書頻度（DF）と、コレクション内のすべての概念との小さな統計的関連性です。第三の貢献は、視覚的同義語及び多義語の問題を解決するために、構造的オントロジーモデルに関してビジュアルワードのベクトル空間モデルを再構築する新しい方法を使用している点です。実験結果は、我々の方法が視覚ワードの意味を効果的に曖昧解消でき、アスレチック画像に対する分類、解釈、検索性能を大幅に向上できることを示しています。