Exploration of Visual Data

کاوش در داده های بصری آخرین تلاش های تحقیقاتی را در زمینه کاوش مبتنی بر محتوا در داده های تصویری و ویدئویی ارائه می دهد. هدف اصلی پر کردن شکاف معنایی بین مفاهیم سطح بالا در ذهن انسان و ویژگی‌های سطح پایین قابل استخراج توسط ماشین‌ها است.

دو موضوع کلیدی مورد تاکید عبارتند از \"آگاهی از محتوا\" و \" "user-in-the-loop\". نویسندگان مروری جامع بر روی الگوریتم‌های استخراج ویژگی‌های بصری بر اساس رنگ، بافت، شکل و ساختار و تکنیک‌هایی برای ترکیب چنین اطلاعاتی برای کمک به مرور، کاوش، جستجو، و پخش داده‌های تصویر و ویدیو ارائه می‌کنند. آنها همچنین در مورد مسائل مربوط به استفاده ترکیبی از ویژگی‌های متنی و بصری سطح پایین برای تسهیل دسترسی مؤثرتر به داده‌های چندرسانه‌ای بحث می‌کنند.

کاوش در داده‌های بصری وضعیتی را فراهم می‌کند. -مواد هنری در مورد موضوعات توصیف مبتنی بر محتوا از داده‌های بصری، جریان ویدیویی با نرخ بیت کم مبتنی بر محتوا، و آخرین الگوریتم‌های بازخورد نامتقارن و غیرخطی مرتبط، که تا به امروز منتشر نشده‌اند.

Exploration of Visual Data presents latest research efforts in the area of content-based exploration of image and video data. The main objective is to bridge the semantic gap between high-level concepts in the human mind and low-level features extractable by the machines.

The two key issues emphasized are "content-awareness" and "user-in-the-loop". The authors provide a comprehensive review on algorithms for visual feature extraction based on color, texture, shape, and structure, and techniques for incorporating such information to aid browsing, exploration, search, and streaming of image and video data. They also discuss issues related to the mixed use of textual and low-level visual features to facilitate more effective access of multimedia data.

Exploration of Visual Data provides state-of-the-art materials on the topics of content-based description of visual data, content-based low-bitrate video streaming, and latest asymmetric and nonlinear relevance feedback algorithms, which to date are unpublished.