Efektivní přístup ke znalostem v audio-vizuálních záznamech

Název anglicky

Effective access for information in audio-visual recordings

Typ

článek ve sborníku konference

Jazyk

čeština

Autoři

Szőke Igor, Ing., Ph.D. (UPGM FIT VUT)
Fapšo Michal, Ing. (UPGM FIT VUT)
Žižka Josef, Ing. (UPGM FIT VUT)
Beran Vítězslav, doc. Ing., Ph.D. (UPGM FIT VUT)
Černocký Jan, prof. Dr. Ing. (UPGM FIT VUT)

URL

Klíčová slova

audiovizuální záznam, převod řeči do textu, převod obrazu do textu, indexace a vyhledávání, web

Abstrakt

Množství audiovizuálních dat se neustále zvětšuje. Část z nich obsahuje důležité informace - záznamy přednášek, konferencí, kurzů atd. Tato data jsou však pro současné vyhledávače (Google, Seznam) neviditelná. Pokud potřebujeme nalézt záznam, který se týká konkrétní problematiky nebo se jen potřebujeme rychle zorientovat v záznamu, současné vyhledávače nám mnoho nepomohou. V první části přednášky se podíváme, jak zviditelnit audiovizuální záznamy prezentací pro standardní textové vyhledávače. Z technického hlediska si ukážeme, jak vypadá celkové schéma systému, a pak se podrobněji podíváme na jednotlivé komponenty. Zejména na komponentu automatického rozpoznávače řeči (převod audia do textu s časováním), a komponentu automatické synchronizace a rozpoznání slajdů s videem (převod videa do textu s časováním). Dále si ukážeme, jak jsou zpracována audiovizuální data reprezentována pro vyhledávací engine Lucene. V druhé části přednášky se zaměříme na prezentaci uživatelům, a také na zpětnou vazbu od uživatelů. Systém je prakticky nasazen na Fakultě informačních technologií VUT v Brně, a také pro několik velkých konferencí.

Anotace

Množství audiovizuálních dat se neustále zvětšuje. Část z nich obsahuje důležité informace - záznamy přednášek, konferencí, kurzů atd. Tato data jsou však pro současné vyhledávače (Google, Seznam) neviditelná. Pokud potřebujeme nalézt záznam, který se týká konkrétní problematiky nebo se jen potřebujeme rychle zorientovat v záznamu, současné vyhledávače nám mnoho nepomohou. V první části přednášky se podíváme, jak zviditelnit audiovizuální záznamy prezentací pro standardní textové vyhledávače. Z technického hlediska si ukážeme, jak vypadá celkové schéma systému, a pak se podrobněji podíváme na jednotlivé komponenty. Zejména na komponentu automatického rozpoznávače řeči (převod audia do textu s časováním), a komponentu automatické synchronizace a rozpoznání slajdů s videem (převod videa do textu s časováním). Dále si ukážeme, jak jsou zpracována audiovizuální data reprezentována pro vyhledávací engine Lucene. V druhé části přednášky se zaměříme na prezentaci uživatelům, a také na zpětnou vazbu od uživatelů. Systém je prakticky nasazen na Fakultě informačních technologií VUT v Brně, a také pro několik velkých konferencí.

Rok

2012

Strany

57-74

Sborník

Proceedings of the Annual Database Conference

Konference

DATAKON 2012, Mikulov, CZ

ISBN

978-80-553-1049-7

Vydavatel

Technická univerzita v Košiciach

Místo

Praha, CZ

BibTeX

@INPROCEEDINGS{FITPUB10172,
   author = "Igor Sz\H{o}ke and Michal Fap\v{s}o and Josef \v{Z}i\v{z}ka and V\'{i}t\v{e}zslav Beran and Jan \v{C}ernock\'{y}",
   title = "Efektivn\'{i} p\v{r}\'{i}stup ke znalostem v audio-vizu\'{a}ln\'{i}ch z\'{a}znamech",
   pages = "57--74",
   booktitle = "Proceedings of the Annual Database Conference",
   year = 2012,
   location = "Praha, CZ",
   publisher = "The University of Technology Ko\v{s}ice",
   ISBN = "978-80-553-1049-7",
   language = "czech",
   url = "https://www.fit.vut.cz/research/publication/10172"
}