École Nationale Supérieure de
Techniques Avancées

Résumé

L’analyse et la description de vidéos est une tâche complexe qui demande un temps et des ressources conséquentes pour correctement répertorier tous les éléments importants. La génération de graphes de scènes permet une telle analyse en listant tous les éléments présents et leurs interactions. Dans le cadre du projet, il s’agit d’accomplir cette génération à l’échelle d’une vidéo, beaucoup plus complexe que pour une image, avec l’ajout d’un objectif de traitement en temps réel. Ce rapport présente le modèle mis en place pour cette tâche, combinant détection, tracking et génération de relations. Les résultats obtenus sont qualitativement très satisfaisants et surpassent les baselines sur les métriques, en restant perfectibles.