| 主权项 |
一种用于多视图视频摘要的多视图度量学习方法，其包括以下步骤：（1）将视频记录分解成帧的集合，表示为X<sup>(1)</sup>，…，X<sup>（K</sup><sup>）</sup> ，其中<img file="252176dest_path_image001.GIF" wi="280" he="30" />，是表示第k视图的n个帧的d<sub>k</sub>维度特征, R表示实数， d<sub>k</sub>表示第k个视图空间的维数，n表示帧数；（2）根据处于X<sup>(1)</sup>，…，X<sup>（K</sup><sup>）</sup> 中的信息，学习统一化的度量空间X，其中<img file="581526dest_path_image002.GIF" wi="84" he="22" />， d表示映射后空间的维数；（3）执行在X上的聚类，使用聚类的中心作为代表，表示成<img file="842743dest_path_image003.GIF" wi="352" he="29" />， F表示摘要的集合，i<sub>1</sub>…i<sub>C</sub>表示一帧的ID；（4）对每个f<sub>ic</sub>从K个帧中选出一个和它对应的帧，并输出这些帧作为最后摘要；其中，在执行学习的步骤中，寻找统一的坐标矩阵<img file="308360dest_path_image004.GIF" wi="236" he="26" />，使其最小化<img file="691937dest_path_image005.GIF" wi="404" he="33" />，其中，R<sub>emp</sub>(X), R<sub>struct</sub>(X), R<sub>diff</sub>(X)分别是X的经验损失、结构损失以及不一致损失；γ<sub>1</sub>, γ<sub>2</sub>是控制目标之间平衡的参数；并且经验损失R<sub>emp</sub>(X)为0；结构损失R<sub>struct</sub>(X)为<img file="508583dest_path_image006.GIF" wi="352" he="60" />，其中G<sub>X</sub>是度量X的相似性变换，<img file="307912dest_path_image007.GIF" wi="18" he="25" />是归一化拉普拉斯算子， λ<sub>i</sub>是<img file="893614dest_path_image008.GIF" wi="50" he="21" />的本征值，c表示预定义的类的个数；不一致损失R<sub>diff</sub>(X)为<img file="385775dest_path_image009.GIF" wi="367" he="46" />，其中tr是迹。 |
