Publikation
Keyframe Extraktion für Video-Annotation und Video-Zusammenfassung
Damian Borth; Adrian Ulges; Christian Schulze; Thomas Breuel
In: Informatik Spektrum, Vol. 32, No. 1(2009), Pages 50-54, Springer, 3/2008.
Zusammenfassung
Zur Zeit erleben Videoclips, welche auf online Videoportalen wie YouTube zur Verfügung gestellt werden, immer mehr an Popularität. Wir schlagen einen Ansatz vor, der basierend auf unüberwachtem Lernen, Keyframes für Video-Retrieval und Video-Zusammenfassungen extrahiert. Unser Ansatz nutzt Methoden der "Shot-Segmentierung" um ein Video temporär zu segmentieren und einen "k-Means" Algorithmus um Repräsentanten für jeden Shot zu bestimmen. Zusätzlich führen wir ein "Meta-Clustering" auf den extrahierten Keyframes aus um kompakte Videozusammenfassungen zu erhalten. Um unsere Methoden zu testen haben wir diese auf einer Datenbank von YouTube Videos angewendet. Wir erhielten Ergebnisse, welche (1) eine Verbesserung des Retrievals und (2) kompakte Video-Zusammenfassungen zeigen.
Projekte
InViRe - Intelligent Video Retrieval,
MOONVID - Statistische Modellierung des Inhaltes von Online Videos zur automatisierten Detektion semantischer Konzepte in Videos
MOONVID - Statistische Modellierung des Inhaltes von Online Videos zur automatisierten Detektion semantischer Konzepte in Videos