Nel 2005 il miglior video search interattivo è stato creato dal coordinatore di questo progetto: Università di Amsterdam.
VIDI-Video incrementerà le performance del motore di ricerca video generando un tesauro di 1000 elementi individuando istanze di contenuto audio, video o un mix di questi. Negli USA è stata posta una sfida simile.
L’approccio di questo progetto è quello di lasciare che il sistema impari da molti e possibilmente deboli detectors invece di modellare pochi elementi in modo più definito. L’insieme di tanti detectors che descrivono aspetti diversi del contenuto video, produrrà un base più ricca per la semantica.
Durata progetto: 2007-2010
Sito Web: http://www.vidi-video.it
Il concetto "Video" è vitale nella società e nell’economia. Svolge un ruolo molto importante per le notizie, documentari culturali e nella sorveglianza, e presto sarà la forma naturale di comunicazione per l’Internet e per i cellulari.
Il video digitale porterà più formati ed opportunità, sia il consumatore che il professionista avranno bisogno di più spazio per salvare i dati e quindi cercheranno la tecnologia per la gestione delle risorse video su grande scala. Questo progetto accetta la sfida di creare un accesso semantico al video, realizzato in un motore di ricerca.
I motori di ricerca video sono il prodotto di un progresso di molte tecnologie: visual analysis, audio processing, machine learning e tecnologie di visualizzazione e interazione. Un buona misurazione del progresso totale è la competizione TRECVID, che pone problemi sempre più difficili e realistici con l’obbligo di discutere apertamente i metodi.
Coordinatore: Universiteit van Amsterdam
Partner:
- Centre For Research and Technology Hellas
- Instituto de Engenharia de Sistemas e Computadores
- The University of Surrey
- Università degli Studi di Firenze
- Centro de Vision por Computador
- Stichting Nederlands Instituut voor Beeld & Geluid
- Fondazione Rinascimento Digitale - Nuove Tecnologie per i Beni Culturali
Il consorzio presenta eccellenti capacità e risorse:
- Machine learning con il classificatore “active 1-class” per minimizzare la necessità di esempi annotati: Università di Surrey (Regno Unito)
- Video stream processing: CERTH (Grecia)
- Audio event detection: INESC-ID (Portogallo)
- Visual image processing: University of Amsterdam (Olanda)
- Interaction: Università di Firenze (Italia)
- Software consolidation: CVC (Spagna)
- Stakeholders applicativi per fornire dati e effettuare azioni di evaluation e dissemination: Beeld & Geluid (Olanda), Fondazione Rinascimento Digitale (Italia)
