Multimodal Location Estimation of Videos and Images

این کتاب مروری بر حوزه تخمین مکان چندوجهی ارائه می‌کند. هدف نویسندگان توصیف نتایج پژوهش در این زمینه به صورت یکپارچه است. این کتاب روش‌های اساسی پردازش صوتی، تصویری، متنی، نمودار اجتماعی و فراداده و همچنین روش‌های ادغام چندوجهی مورد استفاده برای تخمین مکان را شرح می‌دهد. علاوه بر این، این کتاب معیارهای معیار را پوشش می‌دهد و محدودیت‌های فناوری را بر اساس خط پایه انسانی بررسی می‌کند. این کتاب همچنین مفاهیم حریم خصوصی را تشریح می‌کند و مسیرهایی را برای تحقیقات آینده در این منطقه مورد بحث قرار می‌دهد.

This book presents an overview of the field of multimodal location estimation. The authors' aim is to describe the research results in this field in a unified way. The book describes fundamental methods of acoustic, visual, textual, social graph, and metadata processing as well as multimodal integration methods used for location estimation. In addition, the book covers benchmark metrics and explores the limits of the technology based on a human baseline. The book also outlines privacy implications and discusses directions for future research in the area.