大规模多媒体数据采集.doc

大规模多媒体数据采集广泛采用高品质的图像拍摄功能的智能手机再加上普遍使用的社交网络已导致社会媒体内容的爆炸性增长。现在人们经常捕捉他们周围的场景和通过各种社交网络即时分享多媒体内容给他们的朋友。社交网络功能也保证了许多带有某种形式的社会注释的内容。 这种环境为大规模的媒体研究创造了空间。它现在很容易收集带有庞大社交意义的图像数据库。随后而来的挑战是如何布置适当的任务以激励新方向的研究。这包括了用例的基础研究和设计任务的方法以及开发新的数据集，以满足不同的需求。 考虑到数据量的庞大，获取地面实况变成一个乏味的和有挑战性的工作。目前的趋势是利用众包平台如AmazonMechanical Turk来帮助收集地面实况。但是，这些方法可能会导致不完整和/或不可靠的“地面实况”情形的发生。此外，由于数据集庞大，无论是预期的和新兴的各种研究，将是进行研究如何采集这些数据。因此，将会产生各种有关不同的研究需求的可重用性和再利用性。 最后，在这个迅速变化的环境中，我们如何能预测和规划新方向的大型多媒体研究？ 这期特刊希望能解决这些挑战。写这期特刊是ACM多媒体2011年大会成功推出非常大规模的关于矿业和检索的多媒体语料库。这些文章包含了封面识别和任务设计，并在现有的数据集基础上经行研究。 特刊文章 通过增加的难易程度用户可以收集和处理大量多媒体数据和有效地利用成熟技术的为众包，“社区和人群：多媒体基准测试数据集开发由Martha Larson, Mohamma Soleymani, Maria Eskevich,Pavel Serdyukov,Roeland Ordelman, and Gareth Jones检查和设计任务。他们的目标是帮助推动艺术的进步。他们讨论如何经济地产生高品质的地面真实的多媒体数据的收集，尤其是对视频，采用众包。他们讨论了对于开发互联网视频采集中世纪的标杆举措得出了一个结论。 关于这个主题，构建可靠和可重复使用的测试集的图像检索：该维基百科任务ImageCLEF是由Theodora Tsikrika，贾纳Kludas，和阿德里安波佩斯库讨论创建的。根据他们在四年的经验与组织评估，从2008年到2011年，他们讨论的问题是构建图像集，主题开发，和地面真理的创造。经过分析所得到的测试的可靠性和可重用性集合，它们提供了最佳实践指南建立这样的测试集合。 Abhinav Dhall, Roland Goecke, Simon Lucey, and Tom Gedeon通过们的文章“Collecting Large, Richly Annotated Facial-Expression Databases from Movies呈现了新的时空二维人脸表情库和它的静态子集。该数据库包括从54电影中提取的330个主题和1,426个视频序列。它不同于以往较小并且包含受控捕捉的相对静态的面部表情。该作者用六种基本表情和捕捉不同的面部表达式标记了他们剪辑的视频之一：头部自然的姿势和动作，从多学科种族，不同性别和不同年龄段到一个场景中的多个主题。为了便于地面真理的收集，文章提出了一种半自动的推荐系统，建议只剪辑包含主题展示有意义的面部的概率高表达式的视频。它进一步提供的实验方案进行比较的研究成果。总体而言，本文提供了对建立在真实世界环境中的人脸表情库中的宝贵贡献面部表情的研究。 在三重数据集的活动和工作流识别的复杂工业环境一文里，Athanasios Voulodimos, Dimitrios Kosmopoulos, Georgios Vasileiou, Emmanuel Sardis, Vasileios Anagnostopoulos, Constantinos Lalos, Anastasios Doulamis, and Theodora Varvarigou还描述了一个数据集建设项目。作者提出了一个专门的以工作流识别数据集为目标的研究现实生活中的行业环境。记录视频包括伴有频繁光照变化的严重闭塞。该数据集划分成三个部分，并且以结合活性标记的地面实况和一组整体的特征为场景表达。这是第一数据集，涵盖真正的工作流程，提供了一个具有挑战性的数据集行为和工作流程识别的研究。 最后一篇文章索引大型在线多媒体库使用语义扩展和可视化分析由Xavier Sevillano, Tomas Piatrik, Krishna Chandramouli, Qianni Zhang, and Ebroul Izquierdo而写,文章从相关联的文本元数据的图像和视觉功能说明利用现有的大型图像数据集进行预测的一般标签的任务。它特别注重通过利用互补的文本资源且依赖于地理标记提取任务，如维基百科和命名实体全球网使用自然语言处理框架。作者进行的两个实验基础是中世纪的2010年和2011中世纪数据集。未来的研究 迄今有几个因素为进行大规模的媒体研究提供了坚实的基础：各种大型媒体内容，实惠的大型计算和云的可用性资源。开发优质的大型数据集至关重要的是鼓励加快研究期望和新的方向。 在未来，无数的挑战和开放性的问题仍必须加以解决。首先，我们必须设计测试数据集，以满足当前和新兴的研究，特别是那些涉及用户和社会的互动。此外，迅速不断变化的技术和内容的必须有一个不断发展的数据集的设计。鉴于这些最初的要求，建立地面实况进行大规模的和不断变化的众包数据集变得很重要。特别是，我们如何能够建立一个工作站，用户可以用不断变化的数据集提供新的数据、用例、和地面真相？因此，一个有趣的新的研究将寻找方法，以统一不同的个体努力创造一个统一的Web规模的资料库