Przekopywanie się przez zbiory obrazów cyfrowych
Jeszcze niedawno do przeszukiwania obrazów można było wykorzystywać tylko jedno rozwiązanie: słowa kluczowe. W ostatnich latach sytuacja zmieniła się jednak radykalnie za sprawą technologii rozpoznawania obrazów. Każdy obraz można przekształcić w układ cyfrowych wektorów, opisujących jego treść w sposób matematyczny. Specjalne wyszukiwarki wykorzystują technologię rozpoznawania obrazów, umożliwiając użytkownikom śledzenie kopii konkretnego obrazu, a także jego wersji zmodyfikowanych. W ramach projektu VIAMASS(odnośnik otworzy się w nowym oknie) (Visual recognition made super-scalable) powstały innowacyjne metody, które radykalnie poprawiły wydajność takiego wyszukiwania treści wizualnych. Uczeni dostrzegli jednak kolejne wyzwanie dotyczące automatycznego rozpoznawania powiązań wizualnych między obrazami. Przed realizacją projektu VIAMASS brak było metody pozwalającej na skuteczne i dokładne rozpoznawanie takich powiązań w bardzo dużej kolekcji obrazów. Wcześniejsze prace doprowadziły do stworzenia algorytmów wykrywających często występujące wzorce wizualne, ale rzadkie dopasowania nie były rozpoznawane. Naukowcy rozpoczęli od opracowania zupełnie nowych reprezentacji obrazów, które umożliwiłyby im rozwiązanie określonych problemów dotyczących wizualnego rozpoznawania obrazów. Kolejny krok polegał na znalezieniu rozwiązań algorytmicznych umożliwiających znajdowanie podzbiorów wektorów reprezentujących identyczny obiekt w różnych obrazach. Na koniec zaproponowano nowe metody kodowania, porównujące takie zbiory wektorów w ogromnej kolekcji obrazów. Trwające pięć lat badania pozwoliły na potwierdzenie zalet niekonwencjonalnego podejścia do wyszukiwania podobieństw dzięki demonstracyjnym operacjom z wykorzystaniem wybranych powiązań wizualnych. Projekt VIAMASS przyczyni się do poprawy jakości reprezentacji obrazów w konwencjonalnych zapytaniach opartych o próbki, wpływając na łańcuch przetwarzania wyszukiwań powiązań wizualnych.
