ビデオ画像におけるアルコール検出のための人工知能モデルの精度比較

科学分野:

• コンピュータビジョン; 人工知能; メディア研究

背景:

• ビデオコンテンツの消費は広く普及しており、アルコールの描写が頻繁に見られます。ビデオ内のアルコールを手動で分析することは、時間がかかり、非効率的です。人工知能（AI）は、ビデオコンテンツ分析のためのスケーラブルなソリューションを提供します。

研究 の 目的:

• ビデオ画像におけるアルコール検出における3つのAIモデルの精度を比較すること。教師あり学習モデルとゼロショット学習モデルのパフォーマンスを評価すること。リアルタイムビデオ分析のための計算効率を評価すること。

主な方法:

• 3つのAIモデル（ABIDLA2（教師あり）、ZSL-CLIP（ゼロショット）、ZSL-LLaVA（ゼロショット））の実験的評価。単純な画像、多様な映画シーン、挑戦的なアルコール関連設定の3つのデータセットでテスト。パフォーマンス指標には、精度、加重平均リコール（UAR）、F1スコア、およびフレームあたりの実行時間が含まれます。

主要な成果:

• ZSL-LLaVAは複雑な映画シーンで最高の精度（95%）を達成しました。すべてのモデルは、単純な画像データセットで高い精度を示しました。ABIDLA2は最も高速（0.21秒/フレーム）で、ZSL-LLaVAは2番目に高速（0.45秒/フレーム）でした。

結論:

• AIモデルは、ビデオ内のアルコール画像を大規模に正確かつ効率的に検出できます。ZSL-LLaVAは、検出精度と処理速度の最適なバランスを示しました。ZSL-LLaVAは、メディアにおけるアルコールコンテンツを監視するための手動コーディングに代わる費用効果の高い選択肢を提供します。