目录
该UP使用系统得到结论有:1.学生准备考研时候,观看人多;2.问问题,能够促进学生发弹幕
作者:北京大学可视化与可视分析研究小组,一作陈帅
发表:EuroVis2022
一、弹幕数据的优势与特点
【优势】能无缝整合视频帧与文本评论,显示观众的即时所想以及观看视频的感受。
【特点】四个属性:视频时间(弹幕在视频中的时间)、发布时间(弹幕的发布时间)、弹幕发布者ID、弹幕内容。特别注意:弹幕共有两个时间维度
二、本文的切入点
①目前网站只提供弹幕浏览列表。
②弹幕形式的反馈可以用来帮助UP提升视频创作水平[SHS∗17]。
③UP们想知道视频什么时候获得关注,哪些视频片段吸引了观众。
→需要一种交互可视化技术有效分析双时间维度的弹幕数据。
三、工作难点
①弹幕数据有高动态的时间和内容,弹幕可在双时间维度上的任意点爆发,内容短且包含大量流行语;
②需要考虑两个时间维度,通过分析双时序维度可以获取观众的行为;
③一个视频UP有多个视频,所以需要在不同的细节层次上总结弹幕动态
四、本文解决方案:DanmuVis系统
![](https://i-blog.csdnimg.cn/blog_migrate/a3c9ddae425afac013c64eb995bcd662.png)
系统包含数据处理步骤和可视探索阶段
预处理阶段:
①首先为每个视频中的每个观众建立一个弹幕序列(第4条)。然后,②通过3.2节提出的方法识别视频中每个观看者的行为(第3条)。在处理步骤中,完成了③弹幕数据对视频时间(第1条)、发布时间(第2条)和弹幕内容的聚合(第5条)。
操作①建立弹幕序列简单,操作③的多种聚合操作,文中没有给出具体使用的方法。操作②识别观众行为是本文理论核心。
| 将某观众的弹幕序列绘制在一个二维坐标系中,横轴为发布时间,纵轴为视频时间。按照发布时间顺序连点成线。 若观众正常播放,则两个弹幕时间间隔与视频时间间隔相等,角度约为45°; 若快进播放,则两个弹幕时间间隔明显短于视频时间间隔,角度明显<45°;同理得到其他情况的角度分布。 |
视觉探索阶段
本阶段分为两个层级:作品集级与视频级。对于作品集的探索,通过对准每个视频不同的时间维度后(左上)进行比较,以显示它们在时间动态上的差异。比较后用户可以选择感兴趣的视频,视频比较视图被时间矩阵视图(图5右上)所取代。用户还可以在作品集级探索中选择观众(图5中上)、弹幕评论(图5右一)、行为(图5左一,)观察其在不同视频中的分布情况。在视频级探索中,用户可以对弹幕评论和行为进行概述。然后可以选择行为、弹幕评论或观众进行进一步调查(图5最下行)。
五、用户使用系统探索案例
1.某up导入自己的所有视频后的系统界面图Fig 4. 最大的C视图是视频比较视图。里面每个条代表一个视频,条里的每个单元格代表一个时间块,块的大小可以根据时间粒度调整,块的颜色饱和度代表里面的弹幕数,白色是没有弹幕,此视图最右边是对应视频的观众行为分布的直方图。可以看出春节期间准备考试的时候弹幕最多。
2.D视图是视频集合整体的行为分布,根据直方图分布可以看出快进行为较多。对行为进行视频排序,得到左图,这些视频里有非常明显的快进,UP点进视频发现,弹幕都在“呼叫指挥部”“感谢指挥部”。这位UP在那段时间在扯淡。所以大家都在快进
3.Up想知道视频集合里什么弹幕最多,图4a里发现是“感谢老师”这些。UP选择查看“非零子式的最高阶”弹幕图8,发现这个弹幕和视频内容高度相关,查看视频发现,这些片段中,UP问了问题,观众利用弹幕的方式回答问题。
该UP使用系统得到结论有:1.学生准备考研时候,观看人多;2.问问题,能够促进学生发弹幕
六、本文与已有工作不同:
【CGR17:Watching a movie alone yet together: Understanding reasons for watching danmaku videos】探索观看弹幕的动机,弹幕给观众提供共同观看的体验,评论能够满足观众的信息与娱乐需求。 | 【S1】这几篇论文缺少对弹幕数据的交互探索;【S2】提供了关于弹幕的分析,但它们只是使用了一些基本表达,没有对视频中的弹幕内容进行深入的分析。 |
【MC17:Video-based evanescent, anonymous, asynchronous social interaction: Motivation and adaption to medium】探索弹幕的语言特征,发现幽默、讽刺和快乐是激发发弹幕冲动的三种主要情绪 | |
【WSZH18:Danmaku vs. forum comments: Understanding user participation and knowledge sharing in online videos】探索弹幕的情感特性 | |
【WSH19:Danmaku: A new paradigm of social interaction via online videos】此文发现发弹幕的观众比发论坛评论的活跃。弹幕评论的负面情绪明显高于论坛评论。 | |
【HGC*18:Exploring the emerging type of comment for online videos: Danmu】探索弹幕的时序分布,此文发现弹幕有很强的羊群效应。写弹幕评论的观众很容易受到观察到的弹幕的影响,所以弹幕经常在几个时间点集中爆发。使用统计分析 | |
【LZW*22:Understanding the users and videos by mining a novel danmu dataset】统计分析,分析了弹幕的独特属性,包括颜色、显示类型和表情符号。 |
【SSCM16:VideoForest: Interactive visual summarization of video streams based on danmu data】 【S1】VideoForest论文基于弹幕数据总结视频流,帮助理解带有弹幕注释的关键帧。此文将弹幕作为视频数据的补充,缺乏对弹幕内容的深入分析。 【S2】VideoForest[SSCM16]用树的比喻来表达视频内容和弹幕评论之间的关系。对视频的关键帧进行聚类,以场景树的形式进行可视化,树根显示对应的弹幕评论。 【S3】文献综述前人关于弹幕的研究 | 【S2】虽然这些作品提供了对弹弹内容动态的洞察,但只考虑了视频时间维度。此外,忽略了隐藏在弹幕数据中的行为。 |
【SHS∗17:Exploring online learners’ interactive dynamics by visually analyzing their time-anchored comments】 【S2】通过河流隐喻来可视分析在线视频的时间锚定评论,探索在线学习者的互动动态 【S1】 反馈可以用来帮助UP提升视频创作水平 [SHS∗17] | |
【LHW18:StreamWiki: Enabling viewers of knowledge sharing live streams to collaboratively generate archival documentation for effective in-stream and post hoc learning】 【S2】StreamWiki通过关键词对弹幕进行总结,以提升直播观众的学习体验。【我看了这篇论文,并没有看出danmu与keywords之间的关系】 【S3】文献综述前人关于弹幕的研究 |