Klasifikace videa na základě popisů generovaných velkými jazykovými modely

Název práce: Klasifikace videa na základě popisů generovaných velkými jazykovými modely
Autor(ka) práce: Koval, Matěj
Typ práce: Bakalářská práce
Vedoucí práce: Kliegr, Tomáš
Oponenti práce: Hrudková, Kateřina
Jazyk práce: Česky
Abstrakt:
Cílem bakalářské práce je navrhnout a implementovat vysvětlitelný přístup ke klasifikaci videí pomocí popisů generovaných multimodálními velkými jazykovými modely. Byl vytvořen webový systém Media Feature Lab (React + Flask), který v pětifázové pipeline automaticky navrhuje a extrahuje textové atributy z videa pomocí LLM a trénuje nad nimi model RuleKit produkující srozumitelná pravidla. Pipeline byla ověřena na datasetu MediaEval Predicting Video Memorability a doplňkově na medicínském datasetu pro detekci zánětu plic. Na datasetu Movie Memorability se nepodařilo prokázat statisticky významné zlepšení oproti referenčním baseline modelům; hlavním přínosem je demonstrace realizovatelnosti celého end-to-end procesu a interpretovatelnost výstupů.
Klíčová slova: RuleKit; video memorability; vysvětlitelná AI; velké jazykové modely; multimodální LLM; MediaEval
Název práce: Video classification based on descriptions generated by large language models
Autor(ka) práce: Koval, Matěj
Typ práce: Bachelor thesis
Vedoucí práce: Kliegr, Tomáš
Oponenti práce: Hrudková, Kateřina
Jazyk práce: Česky
Abstrakt:
The goal of the thesis is to design and implement an explainable approach to video classification using descriptions generated by multimodal large language models. A web system Media Feature Lab (React + Flask) was developed, which in a five-phase pipeline automatically proposes and extracts textual attributes from videos via LLM and trains a RuleKit model that produces human-interpretable rules. The pipeline was validated on the MediaEval Predicting Video Memorability dataset and additionally on a medical dataset for pneumonia detection. On the Movie Memorability dataset, no statistically significant improvement over reference baselinemodelswasdemonstrated;themaincontributionistheproof-of-conceptdemonstration of the complete end-to-end process and the interpretability of its outputs.
Klíčová slova: large language models; multimodal LLM; explainable AI; RuleKit; video memorability; MediaEval

Informace o studiu

Studijní program / obor: Aplikovaná informatika
Typ studijního programu: Bakalářský studijní program
Přidělovaná hodnost: Bc.
Instituce přidělující hodnost: Vysoká škola ekonomická v Praze
Fakulta: Fakulta informatiky a statistiky
Katedra: Katedra informačního a znalostního inženýrství

Informace o odevzdání a obhajobě

Datum zadání práce: 2. 10. 2025
Datum podání práce: 11. 5. 2026
Datum obhajoby: 19. 6. 2026
Identifikátor v systému InSIS: https://insis.vse.cz/zp/93792/podrobnosti

Soubory ke stažení

    Poslední aktualizace: