25、视频语义模型评估方法解析

视频语义模型评估方法解析

1. 视频语义模型概述

在处理视频数据时，存在低、中、高三个层次的数据模型。其中，高层语义数据模型最为重要，它以对象（包括具体物体和抽象概念）、事件及其关系来表示视频内容，支持以接近人类描述视频内容的语言进行查询。

自 20 世纪 90 年代初引入视频语义模型以来，其发展经历了从基于标注的模型到丰富语义模型的演变。基于标注的模型通过文本标注视频数据来表示视频语义，但其表达能力和查询能力有限。而丰富语义模型在这两方面则强大得多，它能表示视频中出现的现实世界对象、抽象概念，甚至是视频中未出现但隐含的背景知识。

2. 现有模型回顾

• 基于标注的模型

  • 基本思想 ：将内容信息置于视频流之上，而非将视频数据分割成镜头。标注可以是预定义关键词、自由文本或结构化数据，每个标注与一个逻辑视频段相关联。这种相对简单的结构使基于标注的模型具有很大的灵活性，但也限制了它们的表达能力和查询支持能力。
  • 典型模型
    • OVID ：无需模式，每个视频对象是一个独立对象，具有自己的属性集，描述数据可通过“基于区间包含的继承”共享。
    • VideoStar ：是一个强类型模型，预定义了几个类来建模视频结构，类 Annotations 支持主题索引。
    • CCM ：