Effective Retrieval and Visual Analysis in Multimedia Databases

Lade...
Vorschaubild
Dateien
Schreck_Diss.pdf
Schreck_Diss.pdfGröße: 10.36 MBDownloads: 421
Datum
2007
Autor:innen
Herausgeber:innen
Kontakt
ISSN der Zeitschrift
Electronic ISSN
ISBN
Bibliografische Daten
Verlag
Schriftenreihe
Auflagebezeichnung
DOI (zitierfähiger Link)
ArXiv-ID
Internationale Patentnummer
Angaben zur Forschungsförderung
Projekt
Open Access-Veröffentlichung
Open Access Green
Core Facility der Universität Konstanz
Gesperrt bis
Titel in einer weiteren Sprache
Effektives Retrieval und Visuelle Analyse in Multimedia Datenbanken
Forschungsvorhaben
Organisationseinheiten
Zeitschriftenheft
Publikationstyp
Dissertation
Publikationsstatus
Published
Erschienen in
Zusammenfassung

Basierend auf Fortschritten bei der digitalen Erfassung, Speicherung und Übermittlung multimedialer Inhalte werden zunehmend große Mengen von Multimedia Objekten wie z.B. Bilder, Audio, Videos, und 3D Modellen verfügbar. Das Feature Vector Paradigma ist aufgrund seiner Einfachheit und Allgemeinheit einer der populärsten Ansätze zum Management von Multimedia Inhalten. Es bildet die Elemente eines Multimedia Objektraumes in einen metrischen Raum ab und ermöglicht hierdurch, von den Distanzen im metrischen Raum auf Ähnlichkeitsbeziehungen im Objektraum rück schließen zu können. Für einen gegebenen Multimedia Datentyp sind prinzipiell viele verschiedene Abbildungen in einen metrischen Raum denkbar. Die Effektivität einer gegebenen Abbildung kann als der Grad der Übereinstimmung der Distanzen im metrischen Raum mit dem Grad der Ähnlichkeiten im Objektraum verstanden werden. Die Effektivität der Abbildung mit Feature Vektoren ist von grundlegender Bedeutung für alle auf dieser Abbildung aufsetzenden Anwendungen. Zwei grundlegende Ideen liegen dieser Arbeit zugrunde. Zum einen stellen wir fest, dass der Feature Vektor Ansatz der geeigneten Auswahl und Konfiguration der Feature Vektoren bedarf, um effektive Anwendungen zu ermöglichen. Zum anderen sind wir überzeugt davon, dass bestimmte Visualisierungstechniken als effektive Schnittstellen für den Feature und den Objektraum geeignet sind. Im Rahmen dieser Arbeit werden innovative Methoden (a) zur effektiven Ausführung von Ähnlichkeits-Suchanfragen, (b) zur visuellen Diskriminierunganalyse, sowie (c) zur Layouterzeugung für die Präsentation und Analyse von Multimedia Daten entwickelt. Die Nützlichkeit der Methoden wird durch Anwendung auf eine Reihe von verschiedenen Multimedia Datentypen wie 3D Objekte und Zeitreihendaten aufgezeigt.

Zusammenfassung in einer weiteren Sprache

Based on advances in acquisition, storage, and dissemination technology, increasing amounts of multimedia content such as images, audio, video, or 3D models, become available. The Feature Vector (FV) paradigm is one of the most popular approaches for managing multimedia content due to its simplicity and generality. It maps multimedia elements from object space to metric space, allowing to infer object similarity relationships from distances in metric space. The distances in turn are used to implement similarity-based multimedia applications. For a given multimedia data type, many different FV mappings are possible, and the effectiveness of a FV mapping can be understood as the degree of resemblance of object space similarity relationships by distances in metric space. The effectiveness of the FV mapping is essential for any application based on it. Two main ideas motivate this thesis. We first recognize that the FV approach is promising, but needs attention of FV selection and engineering in order to serve as a basis for building effective multimedia applications. Secondly, we believe that visualization can contribute to building powerful user interfaces for analysis of the FV as well as the object space. This thesis focuses on supporting a number of important user tasks in FV-based multimedia databases. Specifically, we propose innovative methods for (a) effective processing of content-based similarity queries, (b) FV space visualization for discrimination analysis, and (c) visualization layout generation for content presentation. The methods are applied and evaluated on a number of specific multimedia data types such as 3D models, images, and time series data, and are
expected to be useful in many other multimedia domains.

Fachgebiet (DDC)
004 Informatik
Schlagwörter
Feature-Selektion, Feature-Kombinationen, Visuelle-Analyse, Feature-selection, Feature-combination, Visual-Analytics
Konferenz
Rezension
undefined / . - undefined, undefined
Zitieren
ISO 690SCHRECK, Tobias, 2007. Effective Retrieval and Visual Analysis in Multimedia Databases [Dissertation]. Konstanz: University of Konstanz
BibTex
@phdthesis{Schreck2007Effec-6177,
  year={2007},
  title={Effective Retrieval and Visual Analysis in Multimedia Databases},
  author={Schreck, Tobias},
  address={Konstanz},
  school={Universität Konstanz}
}
RDF
<rdf:RDF
    xmlns:dcterms="http://purl.org/dc/terms/"
    xmlns:dc="http://purl.org/dc/elements/1.1/"
    xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"
    xmlns:bibo="http://purl.org/ontology/bibo/"
    xmlns:dspace="http://digital-repositories.org/ontologies/dspace/0.1.0#"
    xmlns:foaf="http://xmlns.com/foaf/0.1/"
    xmlns:void="http://rdfs.org/ns/void#"
    xmlns:xsd="http://www.w3.org/2001/XMLSchema#" > 
  <rdf:Description rdf:about="https://kops.uni-konstanz.de/server/rdf/resource/123456789/6177">
    <foaf:homepage rdf:resource="http://localhost:8080/"/>
    <void:sparqlEndpoint rdf:resource="http://localhost/fuseki/dspace/sparql"/>
    <dcterms:isPartOf rdf:resource="https://kops.uni-konstanz.de/server/rdf/resource/123456789/36"/>
    <dspace:hasBitstream rdf:resource="https://kops.uni-konstanz.de/bitstream/123456789/6177/1/Schreck_Diss.pdf"/>
    <dcterms:hasPart rdf:resource="https://kops.uni-konstanz.de/bitstream/123456789/6177/1/Schreck_Diss.pdf"/>
    <dc:creator>Schreck, Tobias</dc:creator>
    <dc:format>application/pdf</dc:format>
    <dc:rights>terms-of-use</dc:rights>
    <dspace:isPartOfCollection rdf:resource="https://kops.uni-konstanz.de/server/rdf/resource/123456789/36"/>
    <dcterms:title>Effective Retrieval and Visual Analysis in Multimedia Databases</dcterms:title>
    <dcterms:abstract xml:lang="deu">Basierend auf Fortschritten bei der digitalen Erfassung, Speicherung und Übermittlung multimedialer Inhalte werden zunehmend große Mengen von Multimedia Objekten wie z.B. Bilder, Audio, Videos, und 3D Modellen verfügbar. Das Feature Vector Paradigma ist aufgrund seiner Einfachheit und Allgemeinheit einer der populärsten Ansätze zum Management von Multimedia Inhalten. Es bildet die Elemente eines Multimedia Objektraumes in einen metrischen Raum ab und ermöglicht hierdurch, von den Distanzen im metrischen Raum auf Ähnlichkeitsbeziehungen im Objektraum rück schließen zu können. Für einen gegebenen Multimedia Datentyp sind prinzipiell viele verschiedene Abbildungen in einen metrischen Raum denkbar. Die Effektivität einer gegebenen Abbildung kann als der Grad der Übereinstimmung der Distanzen im metrischen Raum mit dem Grad der Ähnlichkeiten im Objektraum verstanden werden. Die Effektivität der Abbildung mit Feature Vektoren ist von grundlegender Bedeutung für alle auf dieser Abbildung aufsetzenden Anwendungen. Zwei grundlegende Ideen liegen dieser Arbeit zugrunde. Zum einen stellen wir fest, dass der Feature Vektor Ansatz der geeigneten Auswahl und Konfiguration der Feature Vektoren bedarf, um effektive Anwendungen zu ermöglichen. Zum anderen sind wir überzeugt davon, dass bestimmte Visualisierungstechniken als effektive Schnittstellen für den Feature und den Objektraum geeignet sind. Im Rahmen dieser Arbeit werden innovative Methoden (a) zur effektiven Ausführung von Ähnlichkeits-Suchanfragen, (b) zur visuellen Diskriminierunganalyse, sowie (c) zur Layouterzeugung für die Präsentation und Analyse von Multimedia Daten entwickelt. Die Nützlichkeit der Methoden wird durch Anwendung auf eine Reihe von verschiedenen Multimedia Datentypen wie 3D Objekte und Zeitreihendaten aufgezeigt.</dcterms:abstract>
    <dcterms:available rdf:datatype="http://www.w3.org/2001/XMLSchema#dateTime">2011-03-24T16:09:59Z</dcterms:available>
    <dcterms:rights rdf:resource="https://rightsstatements.org/page/InC/1.0/"/>
    <dc:language>eng</dc:language>
    <dcterms:issued>2007</dcterms:issued>
    <dcterms:alternative>Effektives Retrieval und Visuelle Analyse in Multimedia Datenbanken</dcterms:alternative>
    <bibo:uri rdf:resource="http://kops.uni-konstanz.de/handle/123456789/6177"/>
    <dc:contributor>Schreck, Tobias</dc:contributor>
    <dc:date rdf:datatype="http://www.w3.org/2001/XMLSchema#dateTime">2011-03-24T16:09:59Z</dc:date>
  </rdf:Description>
</rdf:RDF>
Interner Vermerk
xmlui.Submission.submit.DescribeStep.inputForms.label.kops_note_fromSubmitter
Kontakt
URL der Originalveröffentl.
Prüfdatum der URL
Prüfungsdatum der Dissertation
December 15, 2006
Finanzierungsart
Kommentar zur Publikation
Allianzlizenz
Corresponding Authors der Uni Konstanz vorhanden
Internationale Co-Autor:innen
Universitätsbibliographie
Ja
Begutachtet
Diese Publikation teilen