[Gunosy研究会]What makes an Image Popular?

Transcript

1. [論文紹介]      What  Makes  Image  Popular?   Aditya  Khosla,  S=sh  Das  Sarma,  Raffay  Hamid   (MassachuseDs  Insu=tute  of  Technology,     eBay  Research  Lab,  DigitalGlobe  )   WWW  2014 Yoshifumi  Seki   2014.08.12  @Gunosy研究会
2. 概要 •  その画像が何件見られるのかを事前に予測 したい   •  画像の内容とソーシャルのデータから予測す る   •  Flickerの23億件の画像をデータセットとして用 いる   •  見られる件数のランキング予測で81%の精度 を示した
3. View  counts  of  image  画像は時期によらずアクセスされる
4. Datasets •  One-­‐per-­‐user   –  930k  images  from  400k  users   •  1ユーザ2枚以上紐付いている   –  Image  emo=onを紐付いている   •  Happy  guys,  broken  fence,  scary  catなどemo=onと物体の連接ク エリで検索された     •  User-­‐Mix   –  100  users  from  one-­‐per-­‐user  dataset   •  10k-­‐20kの写真をシェアしたユーザからランダムに選択   –  1.4  M  images   •  User-­‐Specific   –  User-­‐Mixの100  usersをそれぞれのユーザに分割し、ユー ザごとにモデルをつくる  
5. Evalua=on •  半分を訓練データ,  半分を評価データとする   •  評価データを10分割し,平均を取る   •  予測した人気と実際の人気のランクの差異を Spearman’s  rank  correla=onで評価する
6. Predic=ng  Popularity  Using  Image  Content •  画像のさまざまな指標を使って予測を行う   •  Human-­‐interpretable  features  such  as  color   and  intensity  value   •  Soma  low-­‐level  computer  vision  features   •  Some  high-­‐level  computer  vision  features
7. Color  and  simple  image  feature
8. Color  and  simple  image  feature
9. Low-­‐level  Computer  Vision  Features •  Gist:  Recogni=on  of  scenes   •  Texure:     •  Gradient   •  DeepLearning
11. High  Level  features:  objects  in  images •  Deep  Learningを使って1000種類のクラスに画像を分 類した   •  Strong  Posi=ve  Impact   –  Miniskirt,  maillot,  bikini,  cup,  brassiere,  perfume,  revolver   •  Medium  Posi=ve  Impact   –  Cheetah,  giant  panda,  bascketball,  llama,  plow,  ladybug   •  Low  posi=ve  impact   –  Wild  boar,  solar  dish,  horse  cart,  guacamole,  catamaran   •  Nega=ve  impact   –  Spatula,  plunfem  laptop,  golfcartm  space  header
12. •  それぞれの性能は上記のとおエイ   •  結合すると結構よくなる  
13. Predic=ng  Popularity  Using  Social  Cue •  Mean  Views   •  Photo  count   •  Contacts   •  Groups   •  Group  members   •  Member  dura=on   •  Is  pro   •  Tags   •  Title  length   •  Desc.  length  
14. •  組み合わせることで精度が向上   – 双方が予測に有効である   •  ユーザ内の予測には画像自体のデータが有 効に作用してくる