JimmyLiu刘江2024-03-13CS330MIP–Lecture4媒体与多媒体MultimediaDevelopment

Lecture04ContentsReviewofLecture03MediaMultimediaLatestDevelopmentofMultimediaModalities

Homework03(PPT)SubmittedBySunday–

TemplateWillbeProvidedonBBSurvey,List3MostImportantInformationProcessingAlgorithmsforaModality,andGiveReasonsforYourSelection.Assignmentisdividedaccordingto:SurveyText:StudentIDendswith0and5SurveyAudio:StudentIDendswith1and6SurveyImage:StudentIDendswith2and7SurveyGraphics:StudentIDendswith3and8SurveyAnimationandVideo:StudentIDendswith4and9

1List3informationprocessingalgorithms1.SurveyText:62.SurveyAudio:73.SurveyImage:44.SurveyGraphics:75.SurveyAnimationandVideo:3

1TextTF-IDF:3Word2Vec:2BERT:2词袋模型:3wordembedding:2文本分类（SVM、朴素贝叶斯）:2自然语言处理（NLP）:1信息抽取算法:1Transfomer:1Seq2seq:2

1Text:by汤嘉阳词袋模型：词袋模型是将文本表示为单词的集合，忽略单词顺序和语法，仅考虑单词出现的频率，常用于文本分类、情感分析等任务。词嵌入：将文本数据转换为密集向量表示，通过学习词语之间的语义关系和语法结构，提供了更丰富的语义信息。词嵌入常用于文本分类、语义相似度计算、命名实体识别等任务，有助于提高文本处理和理解的效果。文本分类算法：文本分类算法用于将文本数据分为不同的类别或标签，常见的算法包括朴素贝叶斯、支持向量机（SVM）、深度学习模型等，广泛应用于垃圾邮件过滤、情感分析、新闻分类等任务，是文本处理中的关键算法之一。

1Text:by虞快自然语言处理（NLP）算法：NLP算法能够帮助处理文本数据，包括词义理解、语法分析等，对于文本数据的理解至关重要。对于以文本形式呈现的调查，NLP算法可以帮助分析文本内容，理解学生的观点、意见或回答。文本分类算法：文本分类算法能够对文本进行分类，帮助整理和组织大量的文本信息，为后续分析提供基础。在调查中，可以利用文本分类算法将学生的回答或评论按照不同的主题或类别进行分类，以便进一步分析和处理。信息抽取算法：信息抽取算法能够从文本中提取有价值的信息，例如从文章中提取实体、关系等重要信息。在调查中，这种算法可以帮助提取关键信息，例如学生的姓名、观点、建议等，以便更好地理解和利用调查结果。

1Audio快速傅立叶变换(FFT):3梅尔频率倒谱系数(MFCC):3隐马尔可夫模型（HMM）:1WaveNet:1Tacotron2:1DeepSpeech:1深度学习（CNN、RNN）:1DynamicTimeWarping:1自适应滤波器算法:1音频压缩MPEG:3Echosuppression:1Noisesuppression:1语音识别:1AudioFeatureExtractionAlgorithm:1

1Audio:by王一舟自适应滤波器算法：利用输入音频与参考音频的相关性来估计噪声，从而对输入音频去噪的技术。对于AI理解信号而言，去噪是基础且必要的一项技术。噪声的存在会极大地干扰其他任务。

1Audio:by王一舟梅尔频率倒谱系数：用于音频信号的特征提取，将频谱特性表示为有较好判别性的特征向量。相比于单一维度的音频序列，具有多维度的特征向量能表示更多的含义，有助