[우수평가자료] 멀티미디어 데이터베이스에 대한 연구

본문내용

일을 대조하여 질의. 역 색인 방법보다 기억공간을 적게 필요로 하며, 데이터 삽입이 용이하다. 데이터들의 비교를 위해 별도의 필터링(filtering) 과정이 필요함.
5.4 색인을 위한 선행 작업
멀티미디어 데이터의 색인을 위하여 각 객체를 위한 특징 추출 작업이 선행
- 특징 추출 작업
패턴 인식 등의 기술을 이용
자동 수행 방법, 수작업으로 수행하는 방법(텍스트 문서 파일)
- 자동 색인
대용량 데이터의 경우 사용
멀티미디어 요소들을 디지털화해서 데이터베이스에 저장하고 효과적인 색인을 위하여 멀티미디어 요소들에 대한 도메인 지식(domain knowledge)이 제공. 도메인 지식은 같은 이미지 정보라도 이미지의 종류에 따라 특징이 다르므로 구체적인 부가정보를 제공.
- 수동 색인
정확한 특징을 추출할 수 있으나 작업자의 의도에 따라 특징들이 달라질 수 있으며, 방대한 데이터 베이스의 경우에는 모두 수작업하는 것은 실질적으로 불가능.
- 백영균 <멀티미디어의 설계,개발,활용>, 양서원.
-유영동, <멀티미디어 이론과 활용>, 상조사.
6. 결론 및 향후연구 방향
현재의 멀티미디어 데이터베이스 구축에서 몇 가지 문제점이 발견되고 있다. 열거하자면 조화된 멀티미디어의 직접적인 지원 기능 부족, 멀티미디어 데이터의 공유 기능의 부족, 내용 검색 및 조작 기술의 부족, 데이터베이스 크기에 대한 제약, 성능상의 문제점 등이다. 향후 연구과제로는 이러한 문제점들의 해결과 더욱 자동화된 멀티미디어 데이터 분석 기법 그리고 효율적인 인덱싱 방법의 개발을 하는 것이다.
현재 국내외 연구현황으로는 IBM Almaden 연구소에서 개발한 QBIC(Query by image content), 미국 콜럼비아 대학에서 개발한 CBVQ(Content-Based Video Query) 등이 있다.
- QBIC(Query by image content) : 색깔과 질감의 유형, 카메라와 객체의 움직임, 구조 특징 벡터이미지, 이용자의 스케치 질의 등 다양한 속성에 기반한 시각적 질의 통해 탐색하는 시스템
- CBVQ(Content-Based Video Query) : 내용기반 비디오 검색 색인 및 검색 시스템. 영상 및 동영상에 대한 분석, 특징 추출, 색인화(indexing) DB 구축, 편집 및 검색 엔진 등 일반적인 비디오 질의(query)시스템을 구성하는 도구들을 포함 영상 및 동영상 데이터에서 얼굴 또는 문자 등을 자동 식별하는 기능 등을 연구
7. 연구과제를 마치며..
처음 접해본 연구과제를 마치며 느낀 점이 많습니다. 1학기때 “멀티미디어”란 과목을 이수했지만 강의실에서 배우는것과 제가 스스로 멀티미디어에 대해서 연구한 것은 전혀 다른 경험이었습니다.. 물론 막대한 양의 자료를 정리하고 줄이는 일은 쉽진 않았습니다만 나름대로 많은 지식을 축적하게 된 것 같습니다. 어설픈 연구과제이지만 완성하고나니 성취감도 느낍니다. 빠듯하게 제출하게 되서 죄송합니다. 내일 강의시간에 뵙겠습니다. 항상 명쾌한 강의 잘 듣고 있습니다. 감사합니다.

키워드

멀티미디어 ,   데이터베이스,   데이타베이스,   DB,   database,   multimedia