Segmentation sémantique des contenus audio-visuels
| dc.contributor.author | NESVADBA, Jan | |
| dc.date | 2007-11-05 | |
| dc.date.accessioned | 2021-01-13T14:02:46Z | |
| dc.date.available | 2021-01-13T14:02:46Z | |
| dc.identifier.uri | https://oskar-bordeaux.fr/handle/20.500.12278/25068 | |
| dc.description.abstract | Dans ce travail, nous avons mis au point une méthode de segmentation des contenus audiovisuels applicable aux appareils de stockage domestiques pour cela nous avons expérimenté un système distribué pour l’analyse du contenu composé de modules individuels d’analyse : les Service Unit. L’un d’entre eux a été dédié à la caractérisation des éléments hors contenu, i.e. les publicités, et offre de bonnes performances. Parallèlement, nous avons testé différents détecteurs de changement de plans afin de retenir le meilleur d’entre eux pour la suite. Puis, nous avons proposé une étude des règles de production des films, i.e. grammaire de films, qui a permis de définir les séquences de Parallel Shot. Nous avons, ainsi, testé quatre méthodes de regroupement basées similarité afin de retenir la meilleure d’entre elles pour la suite. Finalement, nous avons recherché différentes méthodes de détection des frontières de scènes et avons obtenu les meilleurs résultats en combinant une méthode basée couleur avec un critère de longueur de plan. Ce dernier offre des performances justifiant son intégration dans les appareils de stockage grand public. | |
| dc.description.abstractEn | In this work we elaborated a method for semantic segmentation of audiovisual content applicable for consumer electronics storage devices. For the specific solution we researched first a service-oriented distributed multimedia content analysis framework composed of individual content analysis modules, i.e. Service Units. One of the latter was dedicated to identify non-content related inserts, i.e. commercials blocks, which reached high performance results. In a subsequent step we researched and benchmarked various Shot Boundary Detectors and implement the best performing one as Service Unit. Here after, our study of production rules, i.e. film grammar, provided insights of Parallel Shot sequences, i.e. Cross-Cuttings and Shot-Reverse-Shots. We researched and benchmarked four similarity-based clustering methods, two colour- and two feature-point-based ones, in order to retain the best one for our final solution. Finally, we researched several audiovisual Scene Boundary Detector methods and achieved best results combining a colour-based method with a shot length based criteria. This Scene Boundary Detector identified semantic scene boundaries with a robustness of 66% for movies and 80% for series, which proofed to be sufficient for our envisioned application Advanced Content Navigation. | |
| dc.format | application/pdf | |
| dc.language | en | |
| dc.rights | free | |
| dc.subject | Informatique | |
| dc.subject | indexation multimédia | |
| dc.subject | segmentation temporelle des flux multimédias | |
| dc.subject | classification multimédias | |
| dc.subject | analyse des contenus audiovisuels numériques | |
| dc.subject | analyse sémantique des scènes | |
| dc.title | Segmentation sémantique des contenus audio-visuels | |
| dc.type | Thèses de doctorat | |
| bordeaux.hal.laboratories | Thèses Bordeaux 1 Ori-Oai | * |
| bordeaux.institution | Université de Bordeaux | |
| bordeaux.COinS | ctx_ver=Z39.88-2004&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.title=Segmentation%20s%C3%A9mantique%20des%20contenus%20audio-visuels&rft.atitle=Segmentation%20s%C3%A9mantique%20des%20contenus%20audio-visuels&rft.au=NESVADBA,%20Jan&rft.genre=unknown |
