Semantic Video Object Segmentation for Content-Based Multimedia Applications

تقسیم بندی اشیاء ویدیویی معنایی برای چند رسانه ای مبتنی بر محتوابرنامه یک بررسی کامل از تکنیک های پیشرفته و همچنین توصیف چندین ایده و الگوریتم جدید برای استخراج اشیاء معنایی از توالی تصویر استخراج شی معنایی یک عنصر ضروری در خدمات چندرسانه ای مبتنی بر محتوا، مانند استانداردهای MPEG4 و MPEG7 جدید توسعه یافته است. یک سیستم تعاملی به نام SIVOG (Smart Interactive Video Object Generation) ارائه شده است که ورودی معنایی کاربر را به فرمی تبدیل می کند که می تواند به راحتی با پردازش ویدیوی سطح پایین ادغام شود. بنابراین، اطلاعات معنایی سطح بالا و ویژگی های ویدئویی سطح پایین به طور یکپارچه در یک سیستم تقسیم بندی هوشمند ادغام می شوند. یک الگوریتم تطبیقی ​​منطقه ای و زمانی بیشتر برای بهبود کارایی سیستم SIVOG پیشنهاد شد به طوری که امکان دستیابی به بخش بندی اشیاء ویدئویی تقریباً بلادرنگ با عملکرد قوی و دقیق وجود دارد. همچنین شامل بررسی مشکل کدگذاری شکل و مشکل تقسیم بندی شی به طور همزمان است.
تقسیم بندی اشیاء ویدیویی معنایی برای چند رسانه ای مبتنی بر محتوابرنامه برای دانشمندان پژوهشگر و دانشجویان مقطع تحصیلات تکمیلی که در زمینه چند رسانه ای مبتنی بر محتوا کار می کنند بسیار جالب خواهد بود. نمایندگی و برنامه های کاربردی و زمینه های مرتبط با آن.

Semantic Video Object Segmentation for Content-Based MultimediaApplications provides a thorough review of state-of-the-art techniques as well as describing several novel ideas and algorithms for semantic object extraction from image sequences. Semantic object extraction is an essential element in content-based multimedia services, such as the newly developed MPEG4 and MPEG7 standards. An interactive system called SIVOG (Smart Interactive Video Object Generation) is presented, which converts user's semantic input into a form that can be conveniently integrated with low-level video processing. Thus, high-level semantic information and low-level video features are integrated seamlessly into a smart segmentation system. A region and temporal adaptive algorithm was further proposed to improve the efficiency of the SIVOG system so that it is feasible to achieve nearly real-time video object segmentation with robust and accurate performances. Also included is an examination of the shape coding problem and the object segmentation problem simultaneously.
Semantic Video Object Segmentation for Content-Based MultimediaApplications will be of great interest to research scientists and graduate-level students working in the area of content-based multimedia representation and applications and its related fields.