Socializing the Videos: A Multimodal Approach for Social Relation Recognition

步骤：
1.人物搜索（看讲解吧，大致就是人物搜索和聚类）
2.多模态特征提取（3.1），提取视觉人物特征、视觉背景特征、字幕文本特征、弹幕评论文本信息
3.多模态融合（3。2）。设计一种策略，先将多模态特征重新加权，然后拼接？
4.信息降噪（3.4）：仅选择具有最高的k个相关性得分的出场片段来作为测试阶段的社交关系识别的依据。