JP5132479B2 - コンテクスト抽出サーバ、コンテクスト抽出方法、およびプログラム - Google Patents
コンテクスト抽出サーバ、コンテクスト抽出方法、およびプログラム Download PDFInfo
- Publication number
- JP5132479B2 JP5132479B2 JP2008216726A JP2008216726A JP5132479B2 JP 5132479 B2 JP5132479 B2 JP 5132479B2 JP 2008216726 A JP2008216726 A JP 2008216726A JP 2008216726 A JP2008216726 A JP 2008216726A JP 5132479 B2 JP5132479 B2 JP 5132479B2
- Authority
- JP
- Japan
- Prior art keywords
- feature quantity
- media data
- correlation
- function
- extraction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Description
また、イメージセンサなどから取得された情報に基づき、一番近い目標物の情報を目標物データベースから検索して出力するコンテクスト・アウェア画像形成装置が知られている。この画像形成装置は、予め目標物に応じた特徴量がインデクシングされている目標物データベースを利用して、目標物を特定する際にインデクシングされた画像の特徴量データ同士を比較することにより、一番近い目標物の情報を目標物データベースから検索することができる構成となっている(特許文献1参照)。
さらに、従来のメディア解析技術では、データの特性の変化に追従するため、学習パラメータを更新するなどの何らかの方法で新たなメタ情報自体を取得する必要があるが、メタ情報を再度構築するためには、非常に手間がかかり、一旦学習したパラメータを使い続けるのが一般的であった。そのため、想定外のデータが適用された場合、誤認識が多く発生するという問題があった。
また、本発明の一実施の形態によれば、メタ情報として、ネットワークを介して外部端末より受信するメディアデータに付加されたコメント、例えば、ユーザの編集によりメディアデータに付加されたコメントを利用し、このメタ情報に基づき、コンテクストを抽出している。これにより、コンテクスト抽出サーバは、メディアデータに対して人間が与えた認識情報を、他のメディアデータの認識に対しても利用することができる。
以下、図面を参照して、本発明の実施の形態について説明する。図1は、この発明の一実施形態によるコンテクスト抽出システム1の構成を示す概略ブロック図である。
図1に示すように、コンテクスト抽出システム1は、ネットワーク100を介して接続されているコンテクスト抽出サーバ101、複数のユーザ端末102A,102B,102C、およびアプリケーションサーバ103を備える。
なお、メディアデータとは、映像や画像、音楽等を含むデータである。また、特徴量データとは、特徴量抽出関数識別子α,β,γ・・・で表される特徴量抽出関数を用いて算出されたものである。
例えば、ユーザ端末102Aは、ユーザからのメディアデータをコンテクスト抽出サーバ101に送信するメディア送信端末である。ユーザ端末102Aは、ユーザにより決定されたメディアデータを公開するか否かの属性を付与して、メディアデータをメディア取得機能部201に送信する。
ユーザ端末102Bは、コンテクスト抽出サーバ101に記憶されているメディアデータを読み出すメディア閲覧端末であって、閲覧が許可されているメディアデータをメディア閲覧機能部202から受信する。
ユーザ端末102Cは、コンテクスト抽出サーバ101に記憶されているメディアデータを編集するメディア編集端末である。メディア編集端末としてのユーザ端末102Cは、編集が許可されている編集メディアデータを受信し、編集を加えたメディアデータをメディア編集機能部203に送信する。
図2に示すとおり、コンテクスト抽出サーバ101は、メディア取得機能部201、メディア閲覧機能部202、メディア編集機能部203、メディア蓄積部204、編集内容蓄積部205、メタ情報整形機能部206、特徴量算出機能部207、相関計算機能部208、相関適用機能部209、相関結果蓄積部210、および送信部211を含む。なお、メディア取得機能部201〜相関結果蓄積部210までを、コンテクスト抽出機能部とも呼称する。
メディア編集機能部203は、編集メディアデータごとに、編集したユーザ、編集操作、および編集内容等の編集履歴を時系列に管理し、編集されたメディアデータおよびその編集履歴を編集内容蓄積部205に記憶する。
メタ情報整形機能部206は、主成分分析によって生成された固有値λ0,・・・,λk−1,λk,・・・,λl−1のうち、例えば0.001以下など、予め定められた閾値μ(例えば0.001)以下の固有値λk,・・・,λl−1に対応する固有ベクトルνk,・・・,νl−1が張る空間を削除する。具体的には、例えばk個の固有値λ0,・・・,λk−1が閾値μより大きい値であった場合、メタ情報行列Gを、生成された固有ベクトルを基底ベクトルとする基底変換行列(=射影子R=[ν0,・・・,νk−1,νk,・・・,νl−1])で基底変換し、上k次元の部分行列を抽出することで実現できる。これにより、メタ情報整形機能部206は、言葉の言い換えや依存関係のある事象を圧縮した分析メタ情報行列Sを得ることができる。
よって、分析メタ情報行列S=(si,j),0≦i≦k−1,0≦j≦n−1であって、k≦i≦l−1の範囲の分析メタ情報行列Sは、所定の閾値μ以下であるとして、削除される。
特徴量算出機能部207は、図5に示すとおり、時間軸(t)方向に特定の量子化幅Δtで離散化された、特徴量識別子α,βを有する特徴量データDα,Dβを列方向に連結させ、特徴量抽出関数識別子を行番号、離散時間を列番号とする特徴量行列X=(xi,j),0≦i≦l−1,0≦j≦n−1を作成する。なお、離散化する量子化幅Δtは、メタ情報行列Gの量子化幅Δtと同じ間隔(時間幅)である。
なお、相関パラメータ(W,b)は、特徴量行列X、および分析メタ情報行列Sとの間に、式1,2,3に示すような関係を有する。
なお、wは重み係数、bは固定値である。
なお、相関計算機能部208は、相関パラメータWのうち、ノルムが所定の閾値よりも小さい列ベクトルが多次元ベクトルの場合は、このノルムが全て所定の閾値よりも小さかった場合に、他の特徴量データDγと入れ替える。例えば、2次元の基礎特徴量データβは、2次元のノルムが全て所定の閾値よりも小さいか否かで、入れ替えが判断される。
相関計算機能部208は、上述の入れ替えを、ノルムが所定の閾値よりも小さい列ベクトルが検出されなくなるまで繰り返すことにより、特徴量抽出への寄与率の高い特徴量抽出関数の特徴量抽出関数識別子を決定する。相関計算機能部208は、決定した特徴量抽出への寄与率の高い特徴量抽出関数の特徴量抽出関数識別子(α,β・・・等)を、相関パラメータ(W,b)、概要情報(ファイル名等)、射影子R等とを関連付けて、学習結果のセットとして、相関結果蓄積部210に記憶する。
また、相関適用機能部209は、メタ情報を含まないメディアデータに基づきコンテクストを抽出する場合、相関計算機能部208により算出された相関パラメータ(W,b)と、特徴量抽出への寄与率の高い特徴量抽出関数の特徴量抽出関数識別子と、概要情報と、射影子Rを含む学習結果のセットを用いて、このメディアデータの属性を示す前記概要情報に基づき、このメディアデータからコンテクストを抽出する。このように、コンテクスト抽出サーバ101は、学習結果を利用することにより、メタ情報を含まないメディアデータに基づきコンテクストを抽出することができる。
図7に示すとおり、メタ情報整形機能部206は、編集内容蓄積部205から編集履歴を読み出し(ステップS1)、この編集履歴に基づきメタ情報の発生状況を表したメタ情報行列Gを作成する。メタ情報整形機能部206は、このメタ情報行列Gに基づき、時間軸方向に分解されたメタ情報ベクトル列Gi,0,Gi,1,・・・,Gi,n−1と、さらに主成分分析されたベクトル列のうち所定の閾値μ以下の次元が削除された分析メタ情報行列Sを作成する。
相関計算機能部208は、このようにして作成された分析メタ情報行列Sを、メタ情報整形機能部206から読み出す(ステップS2)。
相関計算機能部208は、このようにして作成された特徴量行列Xを、特徴量算出機能部207から読み出す(ステップS6)。
この場合、相関計算機能部208は、式4に示す演算式に従って、未知数である分析メタ情報行列Sを算出し、これを射影子Rで逆射影することで、メタ情報行列Gを推定する。
相関計算機能部208は、特徴量算出機能部207から特徴量行列Xおよび相関パラメータ(W,b)を受信する(ステップS24)。
通信端末212は、この編集結果を受信し、この編集結果に修正を施した修正結果を相関計算機能部208に送信し、再度、メタ情報行列(メタ情報ベクトル列)Gを計算し直すことも可能である(ステップS26)。
相関計算機能部208は、メディアデータの編集結果として通信端末212に送信したメタ情報行列(メタ情報ベクトル列)G、あるいは、通信端末212により施された修正に基づき再計算されたメタ情報行列(メタ情報ベクトル列)Gi,を相関結果蓄積部210に記憶することにより、学習処理による学習パラメータを更新することができる。
これにより、メディアデータに基づき、このメディアデータに対しての認識情報(コンテクスト)を抽出することができる。
なお、上述に説明したメタ情報行列(メタ情報ベクトル列)G抽出方法は、相関適用機能部209においても、適用することができる。
次に、本発明にかかる他の実施の形態について説明する。図9は、第2の実施形態にかかるコンテクスト抽出システムを説明するための概念図である。なお、本実施の形態におけるコンテクスト抽出システムは、第1の実施形態において説明したコンテクスト抽出システムと同じ構成を有し、以下、図2の符号を引用して説明する。
本実施の形態にかかるコンテクスト抽出システムは、相関結果蓄積部210に記憶された学習結果のセットを利用して、例えば携帯電話のような低機能な入力デバイスしか有しない装置から送信される映像に基づき、関連するキーワードを推奨するサービスを利用するため、以下の構成・機能を有することを特徴とする。
メディア取得機能部201は、入力デバイスから受信した映像(メディアデータ)をメディア蓄積部204に記憶する。
相関適用機能部209は、この学習結果のセットを送信部211を介してアプリケーションサーバ103に送信する。
アプリケーションサーバ103は、この学習結果のセットに基づき、関連付けられたメディアデータあるいはキーワードを検出し、これら検出された情報を入力デバイスとしての例えば携帯電話の画面に表示する。
これにより、入力された映像をキーとして、関連するキーワードやメディアデータを検索することができる。また、検索サービスを利用するユーザ端末102A〜102Cからの検索キーワードの入力が不要となり、ユーザの操作性を向上することができる。
すなわち、メディア蓄積部204は、受信したメディアデータをアーカイブ化したコンテンツとして記憶し、メディア閲覧機能部202は、このコンテンツをさまざまなユーザに閲覧を許可し、メディア編集機能部203は、このコンテンツのメディアデータにコメントの付与を許可する。
これにより、コンテクスト抽出サーバ101は、どのような映像ならば、どのようなキーワードが推奨されるかを学習することができ、例えば携帯電話のカメラで撮影された映像に基づき、映像に関連するキーワードを推奨するサービスを提供することができる。よって、携帯電話のような低機能な入力デバイスしか有しない装置であっても、簡単な検索サービスを提供することができる。
次に、本発明にかかる他の実施の形態について説明する。図10は、第3の実施形態にかかるコンテクスト抽出システム3の一例を説明するためのブロック図である。図11は、第3の実施形態にかかるコンテクスト抽出システム2を説明するための概念図である。なお、本実施の形態におけるコンテクスト抽出システムは、第1の実施形態において説明したコンテクスト抽出システムと異なる構成を有するが、同じ機能を有する構成においては図2に示す符号と同じ符号を付し、追加的な機能のみ以下説明することで、重複する説明を省略する。
編集内容蓄積部205は、編集により付加されたコメント、およびメディア編集機能部203により作成された編集履歴等を記憶する。
メタ情報整形機能部206は、このようにフィルタリングされ、抽出されたメタ情報に基づき、メタ情報行列Gを作成し、時間軸方向に分解されたメタ情報ベクトル列Gi,0,Gi,1,・・・,Gi,n−1、主成分分析によって生成された固有値λ0,・・・,λk−1,λk,・・・,λl−1のうち、閾値μ=0.001以下の固有ベクトルνk,・・・,νl−1が張る空間を削除することにより、圧縮された分析メタ情報行列Sを作成する。
相関計算機能部208は、上述と同様にして、特徴量行列Xと、分析メタ情報行列Sk−1,んー1との相関を演算する。相関計算機能部208は、特徴量行列Xの中でノルムが所定の閾値よりも小さい列ベクトルを検出した場合、コメント情報と関連性の高い特徴量抽出関数識別子の次候補を読み出し、入れ替る。相関計算機能部208は、上述の入れ替えを、ノルムが所定の閾値よりも小さい列ベクトルが検出されなくなるまで繰り返すことにより、特徴量抽出への寄与率が高い特徴量抽出関数を決定する。相関計算機能部208は、決定した特徴量抽出への寄与率が高い特徴量抽出関数の特徴量抽出関数識別子と、相関パラメータ(W,b)、コメント情報、射影子Rとを関連付けて、学習結果のセットとして、相関結果蓄積部210に記憶する。
また、アーカイブ編集部301は、相関計算機能部208の学習結果のセットに基づき、不適切な情報性を有するメタ情報を含むメディアデータを検出することができる。アーカイブ編集部501は、不適切な情報性を有するメディアデータを検出した場合、メディア蓄積部204からこのメディアデータを削除する。
また、アーカイブ編集部301は、メディア蓄積部204に、閲覧者のコメント編集に応じて自律的に変化されるアーカイブ映像を作成することができる。
また、アーカイブ編集部301は、高い情報性を有するコメント情報を含むメディアデータに基づき、アーカイブ化することにより、多くのコメントが付加されていると推定される部分がアーカイブ化され、効率的なアーカイブ映像を作成することができる。このアーカイブ映像を利用することにより、デパートやイベント会場での広告映像等を提供するCM(コマーシャル)コンテンツを簡単に作成することができる。
次に、本発明にかかる他の実施の形態について説明する。図12は、第4の実施形態にかかるコンテクスト抽出システムを説明するための概念図である。なお、第4の実施形態におけるコンテクスト抽出システムは、第1の実施形態において説明したコンテクスト抽出システムと同じ構成を有し、以下、図2の符号を引用して説明する。
本実施の形態にかかるコンテクスト抽出システムは、アプリケーションサーバ103により個人撮影映像の自動編集を支援するサービスが提供されるため、以下の構成・機能を有することを特徴とする。
メディア蓄積部204は、この入力デバイスから入力されたメディアデータをアーカイブ化して記憶する。例えば、メディア蓄積部204は、ユーザの設定により、このメディアデータを非公開メディアデータとして記憶する。
相関適用機能部209は、この学習結果のセットを送信部211を介してメディア編集機能部203に送信する。
メディア編集機能部203は、この学習結果のセットに基づきメディアデータを認識し、メディア蓄積部204に記憶されているメディアデータのアーカイブ構成を編集する。
これにより、個人で撮影した映像を非公開メディアデータとしてメディア蓄積部204に記憶しておくだけで、コンテクスト抽出サーバ101が自動的にメディアデータを認識し、関連映像を含むアーカイブ映像が編集される。
本実施の形態にかかるコンテクスト抽出サーバ101は、これにより、動画共有サイト等において公開・編集が許可されているメディアデータに基づき学習結果のセットを蓄積させ、この学習結果のセットを利用して、個人の非公開映像を認識し、自動編集を支援することができる。
また、メタ情報整形機能部206により抽出されるメタ情報の設定を適宜変更することにより、多種類の情報が混在しているメディアデータから、適切なコンテクストを抽出することができる。
さらに、相関結果蓄積部210に記憶される学習結果のセットの作成を積み重ねることにより、メディアデータと抽出されたメタ情報との関連性の幅を広げることができ、端末の性能にかかわらず、多種類のコンテクストを取得することができる。
また、公開されたメディアデータの内容は、概ね、時系列に付与されたコメントの内容に起因していることが多いため、コメント等からメタ情報を抽出し、特徴データとの相関を演算することにより、メディアデータの内容を推測することができる。
また、従来においては、人間の知覚による認識情報を収集するためには、予め多くのモニタを集めてデータを収集しなければならず、また新たな認識情報の更新作業が手間であるという問題があったが、本発明により、映像共有サイトといった娯楽色の高いインターフェースを利用することにより、より簡単に、大量の知覚情報を収集することが可能である。
また、メディアデータに基づくメタ情報により学習された学習結果のセットを、他のメディアデータに適用することにより、人間が具体的にメディアデータの内容を認識しなくても、ある程度の制度でメディアデータの内容が推定され、自動的にメディアデータ同士の関連付けを実現することができる。これにより、大人数のユーザによりコメントなどの情報が付与されない個人的に保有されているメディアデータからも、メタ情報を取得し、メディアデータ同士を関連付ける認識情報として学習結果に反映することができる。
また、「コンピュータシステム」は、WWWシステムを利用している場合であれば、ホームページ提供環境(あるいは表示環境)も含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ROM、フラッシュメモリ等の書き込み可能な不揮発性メモリ、CD−ROM等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。
また、上記プログラムは、このプログラムを記憶装置等に記憶したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク(通信網)や電話回線等の通信回線(通信線)のように情報を伝送する機能を有する媒体のことをいう。
また、上記プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、前述した機能をコンピュータシステムに既に記録されているプログラムとの組合せで実現できるもの、いわゆる差分ファイル(差分プログラム)であっても良い。
101 コンテクスト抽出サーバ
102A〜102C ユーザ端末
103 アプリケーションサーバ
201 メディア取得機能部
202 メディア閲覧機能部
203 メディア編集機能部
204 メディア蓄積部
205 編集内容蓄積部
206 メタ情報整形機能部
207 特徴量算出機能部
208 相関計算機能部
209 相関適用機能部
210 相関結果蓄積部
211 送信部
Claims (10)
- メディアデータにもとづき、メディアデータの内容を認識するためのコンテクストを抽出するコンテクスト抽出サーバにおいて、
前記メディアデータに付加されたメタ情報に基づき、時系列に表されたメタ情報行列を生成するメタ情報整形機能部と、
前記メディアデータの属性を示す概要情報に基づき、予め設定されている特徴量抽出関数を特定し、特定された前記特徴量抽出関数に基づき、前記時系列と同間隔で表された特徴量行列を生成する特徴量算出機能部と、
前記メタ情報整形機能部が生成した前記メタ情報行列と、前記特徴量算出機能部から受信した前記特徴量行列との相関を計算し、特徴量抽出への寄与率の高い前記特徴量抽出関数を決定する相関計算機能部と、
前記相関計算機能部により算出された相関と、前記特徴量抽出関数を、学習結果として記憶する相関結果蓄積部と、
を有することを特徴とするコンテクスト抽出サーバ。 - 前記メタ情報は、ネットワークを介して外部端末より受信する前記メディアデータに付加されたコメントであることを特徴とする請求項1に記載のコンテクスト抽出サーバ。
- 前記相関結果蓄積部は、前記学習結果として、前記相関と、前記特徴量抽出関数と、前記特徴量抽出関数に関連付けられた概要情報を記憶し、
前記特徴量算出機能部は、
前記概要情報と関連性の高い前記特徴量抽出関数を前記相関結果蓄積部から読み出し、読み出した前記特徴量抽出関数に基づき前記特徴量行列を生成することを特徴とする請求項1あるいは2に記載のコンテクスト抽出サーバ。 - 前記コンテクスト抽出サーバは、
前記メタ情報を含まない他のメディアデータを受信した場合、前記相関計算機能部により算出された相関と、特徴量抽出への寄与率の高い前記特徴量抽出関数と、前記概要情報を含む学習結果を用いて、前記他のメディアデータの属性を示す前記概要情報に基づき、この他のメディアデータからコンテクストを抽出する相関適用機能部と、
更にネットワークを介して接続されている外部サーバに前記抽出されたコンテクストを送信する送信部を有することを特徴とする請求項1ないし3のいずれか1項に記載のコンテクスト抽出サーバ。 - 受信したメディアデータに基づき、メディアデータの内容を認識するためのコンテクストを抽出するコンテクスト抽出サーバにおけるコンテクスト抽出方法において、
前記コンテクスト抽出サーバが備えるメタ情報整形機能部が、
前記メディアデータに付加されたメタ情報に基づき、時系列に表されたメタ情報行列を生成し、
前記コンテクスト抽出サーバが備える特徴量算出機能部が、
前記メディアデータの属性を示す概要情報に基づき、予め設定されている特徴量抽出関数を特定し、特定された前記特徴量抽出関数に基づき、前記時系列と同間隔で表された特徴量行列を生成し、
前記コンテクスト抽出サーバが備える相関計算機能部が、
前記メタ情報整形機能部から受信した前記メタ情報行列と、前記特徴量算出機能部から受信した前記特徴量行列との相関を計算し、特徴量抽出への寄与率の高い前記特徴量抽出関数を決定し、
前記コンテクスト抽出サーバが備える相関結果蓄積部が、
前記相関計算機能部により算出された相関と、前記特徴量抽出関数を、学習結果として記憶する
ことを特徴とするコンテクスト抽出方法。 - 前記メタ情報整形機能部は、ネットワークを介して外部端末より前記メディアデータに付加されたコメントである前記メタ情報に基づき、時系列に表されたメタ情報行列を生成することを特徴とする請求項5に記載のコンテクスト抽出方法。
- 前記相関結果蓄積部は、前記学習結果として、前記相関と、前記特徴量抽出関数と、前記特徴量抽出関数に関連付けられた概要情報を記憶し、
前記特徴量算出機能部は、前記概要情報と関連性の高い前記特徴量抽出関数を前記相関結果蓄積部から読み出し、読み出した前記特徴量抽出関数に基づき前記特徴量行列を生成することを特徴とする請求項5あるいは6に記載のコンテクスト抽出方法。 - 受信したメディアデータに基づき、メディアデータの内容を認識するためのコンテクストを抽出するコンピュータを
前記メディアデータに付加されたメタ情報に基づき、時系列に表されたメタ情報行列を生成するメタ情報整形機能手段、
前記メディアデータの属性を示す概要情報に基づき、予め設定されている特徴量抽出関数を特定し、特定された前記特徴量抽出関数に基づき、前記時系列と同間隔で表された特徴量行列を生成する特徴量算出機能手段、
前記メタ情報整形機能手段から受信した前記メタ情報行列と、前記特徴量算出機能手段から受信した前記特徴量行列との相関を計算し、特徴量抽出への寄与率の高い前記特徴量抽出関数を決定する相関計算機能手段、
前記相関計算機能手段により算出された相関と、前記特徴量抽出関数を、学習結果として行列記憶する相関結果蓄積手段、
として機能させるためのプログラム。 - 前記メタ情報は、ネットワークを介して外部端末より前記メディアデータに付加されたコメントであることを特徴とする請求項8に記載のプログラム。
- 前記相関結果蓄積手段は、前記学習結果として、前記相関と、前記特徴量抽出関数と、前記特徴量抽出関数に関連付けられた概要情報を記憶し、
前記特徴量算出機能手段は、前記概要情報と関連性の高い前記特徴量抽出関数を前記相関結果蓄積部から読み出し、読み出した前記特徴量抽出関数に基づき前記特徴量行列を生成することを特徴とする請求項8あるいは9に記載のプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008216726A JP5132479B2 (ja) | 2008-08-26 | 2008-08-26 | コンテクスト抽出サーバ、コンテクスト抽出方法、およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008216726A JP5132479B2 (ja) | 2008-08-26 | 2008-08-26 | コンテクスト抽出サーバ、コンテクスト抽出方法、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010055174A JP2010055174A (ja) | 2010-03-11 |
JP5132479B2 true JP5132479B2 (ja) | 2013-01-30 |
Family
ID=42071058
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008216726A Expired - Fee Related JP5132479B2 (ja) | 2008-08-26 | 2008-08-26 | コンテクスト抽出サーバ、コンテクスト抽出方法、およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5132479B2 (ja) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4494821B2 (ja) * | 2004-02-16 | 2010-06-30 | 株式会社リコー | コンテンツ・メタデータ送受信システム、コンテンツ・メタデータ同期方法、その方法をコンピュータに実行させるプログラム、並びに受信端末 |
JPWO2007043679A1 (ja) * | 2005-10-14 | 2009-04-23 | シャープ株式会社 | 情報処理装置およびプログラム |
JP2008005010A (ja) * | 2006-06-20 | 2008-01-10 | Matsushita Electric Ind Co Ltd | 動画編集方法 |
-
2008
- 2008-08-26 JP JP2008216726A patent/JP5132479B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2010055174A (ja) | 2010-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200183977A1 (en) | Providing relevant cover frame in response to a video search query | |
JP5801395B2 (ja) | シャッタクリックを介する自動的メディア共有 | |
US8655889B2 (en) | Autonomous mobile blogging | |
JP4337064B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP5212610B2 (ja) | 代表画像又は代表画像群の表示システム、その方法、およびそのプログラム並びに、代表画像又は代表画像群の選択システム、その方法およびそのプログラム | |
JP4232774B2 (ja) | 情報処理装置および方法、並びにプログラム | |
JP4457988B2 (ja) | 画像管理装置、画像管理方法およびコンピュータプログラム | |
US20090100046A1 (en) | Methods and Apparatus for Collecting, Searching, and Aggregating Historical Events in an Online System | |
KR101832680B1 (ko) | 참석자들에 의한 이벤트 검색 | |
JP5626042B2 (ja) | 画像集合における代表画像の検索システム、方法及びプログラム | |
JP2006216026A (ja) | ディジタル写真の時間的イベント・クラスタリングのための有効な方法 | |
US20190034455A1 (en) | Dynamic Glyph-Based Search | |
CN106407268B (zh) | 一种基于覆盖率最优化法的内容检索方法及系统 | |
US8285008B2 (en) | Image processing apparatus, method and program for facilitating retrieval of an individual group using a list of groups, a list of selected group members and a list of members of the groups excluding the selected group members | |
JP2009157442A (ja) | データ検索装置および方法 | |
CN111405237A (zh) | 提供预览功能的云存储系统及预览方法 | |
JP2011010171A (ja) | 画像検索システム、画像検索プログラムおよびサーバ装置 | |
US20230196769A1 (en) | Posting support apparatus, and posting support method | |
JP5132479B2 (ja) | コンテクスト抽出サーバ、コンテクスト抽出方法、およびプログラム | |
JP2015032905A (ja) | 情報処理装置、情報処理方法、プログラム | |
JP2014026596A (ja) | 画像処理装置、その制御方法、および制御プログラム | |
Zhou et al. | Multimedia metadata-based forensics in human trafficking web data | |
WO2021145030A1 (ja) | 映像検索システム、映像検索方法、及びコンピュータプログラム | |
WO2022070340A1 (ja) | 映像検索システム、映像検索方法、及びコンピュータプログラム | |
JP7485893B2 (ja) | 情報処理装置、制御プログラム、及び制御方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20100526 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20100902 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20120713 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120731 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20121001 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20121030 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20121106 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20151116 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20151116 Year of fee payment: 3 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
LAPS | Cancellation because of no payment of annual fees |