[论文解读] Content-based Analysis of the Cultural Differences between TikTok and Douyin

Li Sun, Haoqi Zhang+2 more|arXiv (Cornell University)|Nov 3, 2020

Visual Attention and Saliency Detection参考文献 15被引用 6

一句话总结

本研究通过基于内容的视频分析，比较了面向全球的TikTok与聚焦中国的Douyin之间的文化差异。研究采用Faster R-CNN进行目标检测，I3D模型用于人体动作识别，结果表明，Douyin更强调以家庭为中心、静态的室内内容，常见食物与家居用品；而TikTok则更突出动态的、个人主义的、户外活动及电子设备，反映出在生活方式与自我表达方面存在不同的文化价值观。

ABSTRACT

Short-form video social media shifts away from the traditional media paradigm by telling the audience a dynamic story to attract their attention. In particular, different combinations of everyday objects can be employed to represent a unique scene that is both interesting and understandable. Offered by the same company, TikTok and Douyin are popular examples of such new media that has become popular in recent years, while being tailored for different markets (e.g. the United States and China). The hypothesis that they express cultural differences together with media fashion and social idiosyncrasy is the primary target of our research. To that end, we first employ the Faster Regional Convolutional Neural Network (Faster R-CNN) pre-trained with the Microsoft Common Objects in COntext (MS-COCO) dataset to perform object detection. Based on a suite of objects detected from videos, we perform statistical analysis including label statistics, label similarity, and label-person distribution. We further use the Two-Stream Inflated 3D ConvNet (I3D) pre-trained with the Kinetics dataset to categorize and analyze human actions. By comparing the distributional results of TikTok and Douyin, we uncover a wealth of similarity and contrast between the two closely related video social media platforms along the content dimensions of object quantity, object categories, and human action categories.

研究动机与目标

• 通过自动化视频内容分析，探究TikTok与Douyin之间的文化差异。
• 考察用户生成的短视频如何反映在对象使用与人体动作方面的区域文化偏好。
• 比较两个平台在检测到的对象与动作分布上的差异，以揭示文化差异。
• 验证平台特有的内容是否真实反映潜在的文化价值观，如家庭导向与个人主义的对比。
• 探讨媒体平台如何通过视觉内容塑造并反映社会与文化身份。

提出的方法

• 使用在MS-COCO数据集上预训练的Faster R-CNN，检测并分类TikTok与Douyin短视频中的视觉对象。
• 将检测到的标签归类至结构化分类体系（如：食物、动物、电子产品、运动等），以支持对比分析。
• 通过标签频率向量的余弦相似度，衡量不同对象类别间的内容多样性与相似性。
• 分析标签与人物的共现分布，评估特定对象与人物共现的模式，以推断社交语境。
• 应用在Kinetics数据集上预训练的I3D模型，识别并分类视频中的人体动作。
• 比较各类动作（如：运动、日常活动、食物准备）的频率分布，以推断文化行为模式。

实验结果

研究问题

• RQ1 TikTok与Douyin在检测到的视觉对象频率与分布上存在哪些差异？
• RQ2 通过余弦相似度衡量的标签相似性，在多大程度上反映了两个平台内容的文化多样性或同质性？
• RQ3 人物与特定对象的共现模式在TikTok与Douyin之间有何差异？这反映了怎样的社交语境？
• RQ4 各平台的主导人体动作类别是什么？这些动作如何反映文化差异在生活方式与自我表达方面的体现？
• RQ5 TikTok与Douyin的内容模式在多大程度上与更广泛的文化价值观（如个人主义与集体主义）相一致？

主要发现

• Douyin用户更频繁地出现与家庭相关的室内物品，如厨具、餐桌与家居用品，表明其内容更聚焦于家庭与居家生活。
• TikTok用户则更常出现电子设备与家用电器，反映出对技术融合、个人化表达的偏好。
• 在食物类别中，香蕉在Douyin中占主导，而苹果在TikTok中更常见，反映出区域性的食物偏好与文化习惯差异。
• TikTok中运动相关动作与户外活动的频率更高，表明其文化倾向更注重自我表达与身体参与。
• Douyin中更多出现以放松与娱乐为主导的动作，如烧烤与聚餐，反映出对休闲与社交联结的偏好。
• 标签与人物的共现分布显示，Douyin视频更常呈现家庭或家居环境中的人员互动，而TikTok视频则更多展现个体或同龄人团体在公共场所或户外环境中的互动。