Enver Sangineto,Dipartimento di Informaticasangineto@di.uniroma1.it

Multimedia Information Retrieval

p. 2

Problema

Nel Web e nei DB “locali” esiste molta informazione non esclusivamente testuale:

audio (speech, musica…) immagini, video, …

Come recuperare efficacemente materiale multimediale?

p. 3

Esempi di applicazione

Web indexing: Recupero di materiale multimediale dal Web, Sistemi capaci di bloccare immagini pubblicitarie

oppure illegali/indesiderate Trademark e copyright Accesso ai musei DB commerciali

p. 4

Esempi di applicazione [2]

Immagini satellitari (applicazioni militari, government, …)

Immagini mediche Entertainment Criminal investigation …

p. 5

Prima generazione di multimedia information retrieval systems

Off-line: il materiale multimediale viene associato con una descrizione testuale. Ese.: Annotazione manuale (“content descriptive

metadata”) Il testo che in una pagina Web circonda l’img

On-line: utilizzo di tecniche di IR testuali basate sul “keyword match”

p. 6

immagine presa da: A. Del Bimbo, Visual Information Retrieval

p. 7

Limiti dell’approccio esclusivamente testuale

L’annotazione manuale di grossi DB multimediali è impensabile…

Non è facile descrivere verbalmente il contenuto percettivo di un’immagine, di un video o di un brano musicale…

p. 8

Esempi

Cercare una canzone conoscendone solo il ritornello

Cercare una determinata azione in un video sportivo

Cercare dipinti che hanno un determinato dosaggio di colori

…

p. 9

Esempi [2]

Google Image può restituire fino ad un 85% di documenti NON rilevanti anche per query semplici (e.g., oggetti specifici) [1]

[1] Fergus, Fei-Fei, Perona, Zisserman, Learning Object Categories from Google’s Image Search, ICCV 05

p. 10

Soluzioni in fase di ricerca…

Sistemi “Content Based”: Si basano sul contenuto percettivo dell’oggetto

multimediale. Tipicamente: utilizzano una query by example e modellano direttamente la similitudine percettiva tra la

query e gli oggetti del DB

Sistemi di annotazione automatica: Fase di pre-processing (“information extraction”):

viene estratta (in maniera automatica!) informazione da elementi non testuali e memorizzata sotto forma simbolica (e.g., testuale)

Il retrieval (on-line) avviene con tecniche “tradizionali”

p. 11

Differenze rispetto all’IR Testuale…

Un problema comune a tutti i sistemi di Multimedia IR è il trattamento di informazione non simbolica

Un testo può essere visto come la combinazione di elementi simbolici atomici (le parole o token)

Un’immagine è una collezione di pixel e un suono un’onda sonora…

p. 12

Cosa vedremo in queste tre lezioni…

Introduzione ai sistemi content based basati su caratteristiche percettive quali: Colore, movimento, suono, forma…

Sistemi di annotazione automatica

p. 13

Elementi tipici di un sistema di Content Based Multimedia IR

Dal punto di vista dell’utente: La query è un oggetto multimediale (e.g.,

un’immagine, un disegno, un elemento audio, …) L’output è una lista di elementi ordinati in base

alla somiglianza percettiva con la query Esistono strumenti opzionali di interazione per

visualizzare collezioni di immagini o fornire feedback al sistema

p. 14

Esempio: query by image example

La query èun particolare

p. 15

Query by image example [2]

Notate che query e particolare possono non essere identici.Ad es. la query puòessere scelta da un’immagine prima di un restauro

p. 16

Query by image example (sketch) [3]

immagine presa da: A. Del Bimbo, Visual Information Retrieval

p. 17

Elementi tipici di un sistema di Content Based Multimedia IR [2]

Dal punto di vista del sistema: Rappresentazione dell’oggetto multimediale (e.g.,

spazio delle feature) Modellazione del concetto di similitudine

percettiva (e.g., attraverso appositi algoritmi di matching)

Utilizzo di strutture dati particolari che permettano un indexing efficiente dello spazio delle feature

Gestione dell’eventuale relevance feedback (non verrà trattato…)

p. 18

Rappresentazione

p. 19

Rappresentazione tramite Feature di un’immagine

Una feature è una rappresentazione, tramite un vettore di valori numerici, di tutta o parte dell’immagine

Se I' è una sottoparte dell’immagine I, allora una feature f è t.c.:f(I') Rk, f(I') = (v0, … vk-1)T,

k >= 1

p. 20

Feature per rappresentare un’immagine [2]

In genere una feature è una caratteristica facilmente misurabile dell’immagine

L’immagine in esame viene quindi descritta usando i valori di un insieme di feature pre-scelte f1, …, fn

p. 21

Feature globali e locali

I' = I: feature globale I' I: feature locale

Feature locali: È importante capire come selezionare le

sottoparti di I (I‘1, I‘2, …) da rappresentare Più robuste ad occlusioni, parti mancanti,

separazione dal background

p. 22

Esempio: feature locale

fi(I') I'

I

immagine presa da: Tutorial CVPR 07

p. 23

Alcuni semplici esempi di feature: istogrammi dell’intensità di grigio

Istogramma dell’intensità dei pixel in I': Divido il range [0, 255] in k bin Assegno ogni pixel ad un bin: I(p) -> divk(I(p)) f(I') = (v0, …, vk-1)T, dove: vi = # { p I’ : divk(I(p)) = i}

p. 24

Alcuni semplici esempi di feature: geometria facciale

f(I) = (d1 , d2 , d3 , d4)T

p. 25

Spazio delle Feature

Supponendo di utilizzare n features a valori in R, I può essere rappresentata tramite il vettore x(I) = (f1(I), …fn(I))T

x(I) è ottenuto concatenando il valore delle singole feature

x(I) è un punto in Rn, detto spazio delle feature

p. 26

Spazio delle Feature [2]

In generale, se:fi(I) Rk,

allora: x(I) = (f1(I) T … fn(I) T)T è un punto in Rn*k

p. 27

Es.: Spazio delle Feature (R2)

p. 28

Spazio delle Feature [3]

E’ un concetto simile ma non identico allo spazio vettoriale usato per rappresentare la frequenza dei termini nei documenti testuali

E’ la rappresentazione dei dati più usata nei vari sistemi content based (immagini, video, audio) ma non è l’unica!

p. 29

Similitudine

p. 30

Similitudine percettiva

Nel text retrieval, la similitudine tra due documenti può essere stimata in funzione dei termini in comune

Ad esempio, rappresentando la frequenza dei termini di un documento in un apposito spazio vettoriale, la distanza tra punti in tale spazio descrive la dissimilarità tra documenti

Lo spazio delle feature si comporta in maniera analoga…

p. 31

Similitudine percettiva [2]

Nello spazio delle feature la differenza percettiva tra I1 e I2 è proporzionale ad una determinata misura di distanza (non necessariamente Euclidea): dist(x(I1),x(I2))

Data la query Q, l’output del sistema è una lista di immagini I1, I2, … ordinata minimizzando:I1 = minI dist(x(Q),x(I)), …

p. 32

Esempio (R2)

p. 33

Similitudine percettiva [3]

Altri algoritmi di matching fanno uso di rappresentazioni più complesse o alternative allo spazio delle feature e sono tipicamente studiati ad hoc per il particolare sistema di MIR

p. 34

Indexing

p. 35

Tecniche di Indexing

Problema: come indicizzare efficientemente dei dati in uno spazio multidimensionale?

La maggior parte delle più comuni strutture dati per la ricerca efficiente si basano su un ordinamento totale dei valori rappresentati: xi <= xj V xj <= xi (0 <= i,j <= N)

Ese.: nel caso delle keyword, l’ordine alfabetico stabilisce un ordinamento totale del vocabolario (e.g., negli inverted files)

In Rk ciò non è più vero

p. 36

Il k-d Tree

E’ una generalizzazione dell’albero di ricerca binario in k dimensioni

Ad ogni livello dell’albero viene presa in considerazione ciclicamente una delle k feature

p. 37

Il k-d Tree [2]

Supponiamo di voler indicizzare un insieme di punti multidimensionali:

P1, …, PN, Pi Rk, Pi =(xi1, …, xi

k)

Scelgo la prima dimensione (feature) e trovo il valore L1, mediano rispetto a x1

1, …, xN1

p. 38

Il k-d Tree [3]

La radice dell’albero conterrà L1 Il sottoalbero sinistro (TL) conterrà i punti Pi

t.c. xi1 <= L1

Il sottoalbero destro (TR) gli altri A livello 1 scelgo la seconda feature e,

separatamente per TL e TR, calcolo L2 e L3, scelti in modo tale che: L2 è mediano rispetto agli elementi xj1

2, xj22, …

di TL

L3 è mediano rispetto agli elementi di TR

p. 39

Il k-d Tree [4]

Dopo aver utilizzato la feature k-esima, ritorno ciclicamente a considerare la prima feature

I punti sono associati alle foglie

p. 40

Esempio

immagine presa da: Hemant M. Kakde, Range Searching using Kd Tree

p. 41

Image, video e audio retrieval

p. 42

Retrieval by color: istogrammi di colore

Istogramma dei colori di una parte (eventualmente tutta) di immagine I': Possibili rappresentazioni di un singolo pixel:

RGB, HSV, CIE LAB, … Divido ogni canale in k bin:

f(I') = (r0,…, rk-1, g0, …, gk-1, b0, …, bk-1)T, ri = # { p in I’: divk(R(p)) = i }, gi = # { p in I’: divk(G(p)) = i }, bi = # { p in I’: divk(B(p)) = i }

p. 43

Istogrammi di colore [2]

Oppure divido RGB in k3 bin: f(I') = (z0,…, zh-1)T, h= k3

Se zi rappresenta i valori (i1, i2, i3), allora: zi = # { p in I’: divk(R(p)) = i1 and divk(G(p)) = i2

and divk(B(p)) = i3 }

p. 44

Istogrammi di colore [3]: esempio

immagine presa da: Wikipedia

p. 45

Retrieval by texture

p. 46

Approccio statistico

Tamura features: analizzano la distribuzione dell’intensità locale dell’img al fine di misurare caratteristiche percettive della texture quali:

Contrasto Granularità Direzionalità

p. 47

Esempio

field

residential vegetation

p. 48

Approccio sintattico: grammatiche visive

Ese. di regola di produzione per la rappresentazione di texture (Rosenfeld):

Essa riassume le seguenti 4 regole:

p. 49

Video retrieval

Un video è semplicemente una sequenza di molte immagini

Ogni immagine viene detta frame

p. 50

Componenti di un video

Frame: una singola immagine Shot: Un sequenza di frame consecutivi

ripresi da una singola telecamera Scena: un insieme di shot consecutivi

che rispettano le 3 unità aristoteliche di spazio, tempo e azione

p. 51

Segmentazione di una videosequenza

Individuando gli “editing effects” (cuts, dissolvenze, ….) tra uno shot e l’altro è possibile suddividere (automaticamente) un video in shot

Molto più difficile è individuare le scene (concetto semantico)

p. 52

Tipi di ricerca per i video

I video possono essere rappresentati con dei “key frame” rappresentativi di ogni shot

Un key frame è trattabile come una “still image”: Si applicano le tecniche viste per le immagini

(e.g., spazio delle feature, ricerca per colore, texture, forma, ecc.)

p. 53

Tipi di ricerca per i video

Alternativamente, è possibile cercare in un video informazione relativa al movimento (e.g., una particolare traiettoria in un video sportivo, …)

p. 54

Audio retrieval

Vari tipi di audio: Parlato:

E’ possibile utilizzare tecniche di speech recognition per trasformare l’audio in testo

Suono: Un qualunque segnale audio con frequenze nel range

dell’udito umano (e.g., suoni prodotti da animali…) Musica:

Si tiene conto dei diversi strumenti musicali utilizzati, dei vari tipi di suoni prodotti, degli effetti musicali, ecc.

p. 55

Tipi di Query

Query by example: viene fornito/sintetizzato un file audio chiedendo di recuperare audio simili

Caso particolare, Query by humming: l’utente accenna (vocalmente o anche

fischiando…) la melodia da cercare

p. 56

Rappresentazione e similitudine

Uno spazio delle feature può essere creato utilizzando, ad ese., istogrammi ricavati dalla rappresentazione spettrale del segnale

La similitudine percettiva in tal caso avviene calcolando la distanza tra punti multidimensionali come nel caso delle immagini Distanze tipiche: Euclidea, Mahalanobis, distanze

per istogrammi (Histogram Intersection, Kullback-Leibler divergence, Chi-quadro, ecc.)

p. 57

Aspetti percettivi diversi possono essere combinati

p. 58

Alcuni riferimenti

A. Del Bimbo, Visual Information Retrieval, Morgan Kaufmann Publishers, Inc. San Francisco, California", 1999

Forsyth, Ponce, Computer Vision, a Modern Approach 2003

p. 59

Alcuni riferimenti [2]

Smeulders et al., Content-Based Image Retrieval at the End of Early Years, IEEE PAMI 2000

Long et al., Fundamentals of Content-based Image Retrieval, in: D. D. Feng, W. C. Siu, H. J. Zhang (Ed.),Multimedia Information Retrieval & Management-Technological Fundamentals and Applications, Springer-Verlag, New York(2003)

Foote et al., An Overview of Audio Information Retrieval, ACM Multimedia Systems, 1998

Hemant M. Kakde, Range Searching using Kd Tree, 2005

p. 60

Domande…