跨媒體技術(shù)的發(fā)展和挑戰(zhàn)

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了跨媒體技術(shù)的發(fā)展和挑戰(zhàn)范文，希望能給你帶來靈感和參考，敬請閱讀。

隨著移動智能終端設(shè)備的廣泛應(yīng)用和普及，大量的視頻、音頻、文本以及各種傳感數(shù)據(jù)構(gòu)成了目前移動互聯(lián)網(wǎng)領(lǐng)域中信息共享的主體內(nèi)容。移動化帶來的改變是信息的激增，人們正在借助移動智能終端上的各種傳感器———時間、位置、麥克風(fēng)、攝像頭、溫度傳感和NFC(近場通訊)采集信息并重新繪制這個世界。然而，信息的爆炸式增長給知識的獲取帶來了極大的難度，也因此造成了知識的相對匱乏。在此過程中，用戶對信息的采集和分享與傳統(tǒng)方式有著顯著的不同:首先，信息的采集帶有顯著的時間特征和空間特征;其次，在數(shù)據(jù)分享過程中攜帶了用戶偏好信息;最后，完整分享這些數(shù)據(jù)對網(wǎng)絡(luò)帶寬和數(shù)據(jù)存儲服務(wù)提出了巨大的挑戰(zhàn)。目前，人們從移動互聯(lián)網(wǎng)領(lǐng)域獲得知識的渠道主要還依賴于信息搜索，一種是以百度和谷歌為代表的傳統(tǒng)文本搜索的服務(wù)，另一種是以蘋果的Siri為代表的新型跨媒體(聲音和文本)移動搜索體驗(yàn)。

跨媒體技術(shù)發(fā)展現(xiàn)狀

目前，為了實(shí)現(xiàn)同時對多種媒體類型的信息檢索，國內(nèi)外學(xué)者的研究工作主要集中在以下幾個領(lǐng)域:1)基于“詞袋”模型建立多媒體對象知識庫此類方法大多通過對多媒體對象的語義信息進(jìn)行人工標(biāo)注得到先驗(yàn)知識，結(jié)合“詞袋”模型等為海量多媒體信息建立知識庫，從而借助知識庫的橋梁作用實(shí)現(xiàn)跨媒體檢索。顯然，此種方法很大程度上還是一種變相的基于關(guān)鍵字的檢索，需要人工標(biāo)注大量的關(guān)鍵字訓(xùn)練樣本集，雖然它在一定程度上避開了特征向量異構(gòu)和語義鴻溝的問題，但是人工標(biāo)注耗時耗力且缺乏統(tǒng)一性與客觀性，多媒體對象的語義信息往往不能夠得到恰當(dāng)描述，因而檢索的準(zhǔn)確性往往不盡如人意。2)基于文檔鏈接關(guān)系或Web鏈接關(guān)系建立多媒體對象之間的語義關(guān)系。此類方法通過分析多媒體文檔之間的鏈接關(guān)系或者Web網(wǎng)頁中的鏈接跳轉(zhuǎn)關(guān)系建立多媒體對象之間的語義關(guān)系網(wǎng)(跨媒體關(guān)聯(lián)圖、交叉參照圖模型等)從而實(shí)現(xiàn)多媒體對象之間的相互檢索。該方法有效地避免了媒體對象之間的語義鴻溝，但是對鏈接關(guān)系的依賴性太強(qiáng)，不具有一般性。3)建立輔助空間解決特征向量異構(gòu)問題。此類方法為解決不同類型媒體對象之間特征向量異構(gòu)的問題，在計算特征向量和相似性的度量時，一些方法是基于數(shù)據(jù)集中所有數(shù)據(jù)間的距離度量的，但是在實(shí)際跨媒體數(shù)據(jù)集中:一方面，計算和存儲所有對象間的距離尺度是不現(xiàn)實(shí)的;另一方面，距離度量不能有效解決現(xiàn)實(shí)生活中的問題。因此，一些學(xué)者提出采用典型相關(guān)性分析(CCA)、主成分分析(PCA)、獨(dú)立成分分析(ICA)等技術(shù)對特征向量進(jìn)行降維處理，使得異構(gòu)的特征向量在一個輔助空間中具有可比性，從而進(jìn)行多媒體對象之間的相似性度量。此種方法往往在對特征向量進(jìn)行降維處理的過程中產(chǎn)生“維度災(zāi)難”。4)基于機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等方法獲取多媒體對象間的語義關(guān)系。此類方法主要是通過機(jī)器學(xué)習(xí)或神經(jīng)網(wǎng)絡(luò)領(lǐng)域的融合分析、流形學(xué)習(xí)、線性迭代與映射、概率模型、支持向量機(jī)、監(jiān)督分類、非監(jiān)督分類等方式對異構(gòu)數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系進(jìn)行挖掘，進(jìn)而實(shí)現(xiàn)不同模態(tài)多媒體數(shù)據(jù)之間的相互檢索?？偟恼f來，該類方法檢索效果不錯，但往往計算量比較大，實(shí)現(xiàn)過程比較復(fù)雜。5)索引。此類方法一般是通過對多媒體數(shù)據(jù)進(jìn)行一定預(yù)處理得到相互之間的相似關(guān)系，進(jìn)而根據(jù)相似關(guān)系為海量多媒體對象建立索引，以提高檢索時的效率。這是一種輔助型的方法，更多的是關(guān)注如何有效地減少檢索所需要的時間，提高跨媒體檢索的效率，對多媒體對象之間的相似度度量未關(guān)注。6)基于Ontology的檢索。此類方法是建立在基于內(nèi)容檢索的基礎(chǔ)上，用Ontology存儲多媒體對象語義信息的新型檢索模式。檢索過程中結(jié)合多媒體對象的底層特征與On-tology表達(dá)的語義信息進(jìn)行跨媒體檢索。該方法對多媒體對象的語義信息及空間關(guān)系表達(dá)與處理具有強(qiáng)大的優(yōu)勢，同時，Ontology模型能使檢索系統(tǒng)更加智能化與人性化。然而，現(xiàn)有的跨媒體信息檢索技術(shù)的研究對象主要是已采集好的各種媒體數(shù)據(jù)，較少考慮多用戶分享中的數(shù)據(jù)冗余、網(wǎng)絡(luò)帶寬約束等移動互聯(lián)網(wǎng)環(huán)境下面臨的新問題和挑戰(zhàn)。

用戶標(biāo)注和地理本體在跨媒體中的應(yīng)用

移動終端能夠幫助人們以各種方式記錄現(xiàn)實(shí)世界，同時也造成了數(shù)據(jù)的異構(gòu)性、語義的異質(zhì)性以及存儲、傳輸這些數(shù)據(jù)對網(wǎng)絡(luò)和硬件的挑戰(zhàn)。隨著智能終端處理能力的不斷加強(qiáng)，目前已可以實(shí)現(xiàn)在智能終端上對采集的圖像和影音數(shù)據(jù)進(jìn)行編輯和特征提取。采用本地提取特征再進(jìn)行網(wǎng)絡(luò)分享的方法將大大降低網(wǎng)絡(luò)帶寬的使用。另一方面，由于不同用戶在對相同內(nèi)容進(jìn)行記錄時可以選擇不同的媒體類型作為載體，上傳并分享這些內(nèi)容特別是影音圖像資源會占用較多的服務(wù)器存儲空間。因此，提取資源中的語義信息并通過簡單推理進(jìn)行信息聚合，能夠較好地降低移動互聯(lián)網(wǎng)環(huán)境下信息分享的數(shù)據(jù)冗余問題。本體論作為語義模型的新方法，主要用于知識的共享、交互和重用方面，它具有良好的概念層次結(jié)構(gòu)和邏輯推理。通過對領(lǐng)域知識的理解、描述和推理，能夠更好地實(shí)現(xiàn)信息共享和重用的目的。當(dāng)運(yùn)用到信息檢索領(lǐng)域時，具有以下4個優(yōu)點(diǎn)［3］:(1)本體關(guān)于領(lǐng)域知識的共同理解和描述可以使得現(xiàn)代網(wǎng)絡(luò)中的信息組織形式從傳統(tǒng)的基于語法逐步轉(zhuǎn)向基于語義;(2)本體對于概念及其之間關(guān)系的精確描述可以極大地提高信息檢索時的查全率和查準(zhǔn)率;(3)采用形式化的描述方式使其能被計算機(jī)所理解以及更好地滿足海量網(wǎng)絡(luò)信息組織的需要;(4)本體能夠很好地支持邏輯推理，使得信息檢索系統(tǒng)更加智能化和人性化。地理本體是將本體論引入到地理信息科學(xué)中，它除了具有本體所具有的優(yōu)點(diǎn)外，在處理對象空間位置及空間關(guān)系方面具有無法取代的獨(dú)特優(yōu)勢。隨著以Web2．0技術(shù)為代表的社交網(wǎng)絡(luò)的發(fā)展，用戶的需求從簡單的、被動的信息獲取逐步升級為主動參與到信息管理、信息交互的過程中。用戶期待一種不需要精確的預(yù)定義的集成框架甚至不需要原始信息的本地副本，實(shí)現(xiàn)多維、海量信息的快速、低代價的獲取。用戶標(biāo)注方法在特征提取和語義分析過程中借助人的認(rèn)知過程，提取源數(shù)據(jù)中的知識，對信息檢索的準(zhǔn)確率提升有著至關(guān)重要的作用。而地理本體，作為一種半自動化的語義推理模型，可以有效降低不同用戶標(biāo)注帶來的差異性，同時更準(zhǔn)確地描述移動互聯(lián)網(wǎng)環(huán)境下信息的時間和空間特征。采用這2種方法相結(jié)合建立本地特征索引副本，能夠有效降低數(shù)據(jù)傳輸對網(wǎng)絡(luò)帶寬的需求和存放數(shù)據(jù)對存儲空間的需要。

1用戶標(biāo)注

受限于移動終端的大小、網(wǎng)絡(luò)通信能力有限，不適宜采用傳統(tǒng)的方式對采集的圖像、視頻等多媒體數(shù)據(jù)進(jìn)行完整上傳和統(tǒng)一計算。實(shí)現(xiàn)在本地的特征提取和用戶標(biāo)注，可以大大減少網(wǎng)絡(luò)通信，節(jié)省用戶分享的代價。OpenCV作為傳統(tǒng)的視頻、圖像處理工具，目前已被廣泛應(yīng)用在iOS和Android為代表的移動終端上，并能獲得較好的特征提取速度和分析結(jié)果。另外，隨著攝像頭、麥克風(fēng)、NFC等傳感器的發(fā)展，基于手機(jī)的增強(qiáng)現(xiàn)實(shí)技術(shù)也取得了長足的進(jìn)步，為用戶的信息標(biāo)注提供了新的手段和方法。采用用戶標(biāo)注和特征提取等方法［4］，結(jié)合移動終端對現(xiàn)實(shí)世界的時間、位置感知，提交較少的描述信息或特征信息，降低了信息和內(nèi)容分享的門檻。如圖1所示，采用增強(qiáng)現(xiàn)實(shí)和用戶標(biāo)注［10］技術(shù)后，用戶僅需上傳簡單的標(biāo)注、位置信息和提取的語義、圖像內(nèi)容特征即可實(shí)現(xiàn)內(nèi)容的分享。對查詢用戶來說，需要檢索的信息仍然是充分的。

2地理本體

地理信息科學(xué)中的本體論研究是高度跨學(xué)科的交叉研究，與地理信息的認(rèn)知、表達(dá)、互操作，尺度和不確定性密切相關(guān)，其最重要的一點(diǎn)是研究空間信息的語義理論?；诘乩肀倔w的語義檢索［5］［6］是通過本體構(gòu)建概念層次空間實(shí)現(xiàn)的檢索，它利用本體明確建立了研究對象的概念、屬性、空間位置等各種關(guān)系，并且可以通過邏輯推理發(fā)掘隱含在概念之間的不明確、非直接的信息，從而可以實(shí)現(xiàn)語義的智能信息檢索。在跨終端、跨媒體環(huán)境中，地理本體模型提供了一個統(tǒng)一的語義管理平臺。在移動互聯(lián)網(wǎng)環(huán)境下，地理本體模型構(gòu)建完成后，可以基于多種格式標(biāo)準(zhǔn)進(jìn)行，用戶本地采集的數(shù)據(jù)通過用戶標(biāo)注、特征提取等方式按照層次、概念和推理結(jié)果向現(xiàn)有的本體模型中進(jìn)行映射，構(gòu)建新的結(jié)點(diǎn)和數(shù)據(jù)內(nèi)容。這樣，用戶采集的多媒體數(shù)據(jù)可以分布式地存放在各自的終端上，通過更新本體模型建立快速、有效的索引，提供統(tǒng)一的跨媒體、跨終端的服務(wù)標(biāo)準(zhǔn)，有效降低分享和檢索帶來的網(wǎng)絡(luò)資源消耗和源數(shù)據(jù)的冗余存放。為了幫助本體開發(fā)人員和領(lǐng)域?qū)＜覍︻I(lǐng)域知識進(jìn)行建模，斯坦福大學(xué)主導(dǎo)開發(fā)了一個基于java的開源本體編輯工具Protégé［13］。該工具使得構(gòu)建本體知識庫的過程易于操作和管理，降低了本體構(gòu)建的高昂成本和維護(hù)代價。它不但支持復(fù)雜的知識表示，還支持簡單的邏輯推理。Protégé支持對多種推理引擎的調(diào)用，如Jena，Racer，F(xiàn)aCT，Pellet等，由于Protégé本身是在Jena的基礎(chǔ)上開發(fā)的，ProtégéOWLAPI相當(dāng)于對Jena的包裝，為了支持推理，Protégé接口中包含了Jena的開源開發(fā)包，將Jena推理功能嵌入到了Protégé的API中。Jena提供了可擴(kuò)展的類包提供基于規(guī)則的推理機(jī)，包括RDF推理機(jī)，OWL推理機(jī)等，在基于規(guī)則的推理機(jī)中包含了一般的推理功能，這些方法都遵循W3C的標(biāo)準(zhǔn)。

跨媒體技術(shù)的發(fā)展和挑戰(zhàn)

1多模態(tài)信息檢索系統(tǒng)

1)麻省理工學(xué)院“基于圖片的問答系統(tǒng)”。該系統(tǒng)作為多模態(tài)、跨媒體檢索領(lǐng)域的先驅(qū)，支持用戶以更加直接的方式檢索不同類型媒體數(shù)據(jù)，以克服傳統(tǒng)搜索引擎依賴于文本匹配的檢索方式。整個系統(tǒng)通過3層架構(gòu)實(shí)現(xiàn)對圖像和文本的交互檢索:(1)模版問答(templatebased)，根據(jù)圖像的預(yù)分類信息進(jìn)行檢索;(2)歷史庫問答(internalrepositorybased)，根據(jù)內(nèi)建的歷史問答庫進(jìn)行檢索;(3)用戶指導(dǎo)問答(humanbased)，當(dāng)檢索內(nèi)容過于復(fù)雜時采用用戶指導(dǎo)的交互方式進(jìn)行檢索［7］。2)新加坡國立大學(xué)的“多媒體問答系統(tǒng)”(mul-timediaquestion-answering)。該系統(tǒng)解決了網(wǎng)絡(luò)跨媒體搜索中的三個主要問題:(1)大規(guī)模的可視化概念標(biāo)注，用于區(qū)分一種媒體實(shí)體是否包含一個或多個預(yù)定義概念標(biāo)簽的;(2)支持大規(guī)模KNN內(nèi)容搜索的索引方法;(3)用戶反饋的交互檢索方法［8］。3)I-SEARCH項(xiàng)目。該項(xiàng)目有歐洲多個研究機(jī)構(gòu)和包括Google，EMC2在內(nèi)的多個IT領(lǐng)軍企業(yè)共同合作研發(fā)。該項(xiàng)目旨在研發(fā)一種針對多模態(tài)內(nèi)容數(shù)據(jù)的通用框架提供索引、共享、查詢和檢索等功能。目前，該項(xiàng)目已經(jīng)取得較好的成果，能夠結(jié)合現(xiàn)實(shí)世界信息有效管理和利用多種類型的媒體數(shù)據(jù)和多模態(tài)數(shù)據(jù)，包括文本、2D圖像、草圖、視頻、3D對象和音頻文件等。整個項(xiàng)目較好的解決了多媒體查詢和檢索、相關(guān)反饋、多模態(tài)交互、個性化設(shè)置和可視化分析等諸多方面的難題［11］。圖3為I-SEARCH系統(tǒng)原理架構(gòu)圖、整個系統(tǒng)主要包括三層:描述符提取層、檢索交互層和可視化表現(xiàn)層。

2跨媒體檢索面臨的挑戰(zhàn)

多媒體檢索領(lǐng)域中面臨的挑戰(zhàn)可以歸結(jié)為“7個千年問題”:語義鴻溝、機(jī)器學(xué)習(xí)、人機(jī)交互、多媒體水印、數(shù)據(jù)挖掘、性能評估以及基于互聯(lián)網(wǎng)的多媒體標(biāo)注與檢索［12］。隨著網(wǎng)絡(luò)技術(shù)的發(fā)展和智能終端的普及，跨媒體在移動互聯(lián)網(wǎng)搜索領(lǐng)域?qū)⒃絹碓街匾?。今后幾年值得關(guān)注的幾個問題如下:1)在多媒體的語義理解過程中，結(jié)合地理本體在處理空間和語義推理方面的優(yōu)勢，提高語義理解的性能和檢索的精度。同時，用戶的反饋和交互知識仍然起著重要作用，是不可或缺的。2)實(shí)現(xiàn)移動互聯(lián)網(wǎng)環(huán)境下的個性化檢索，通過手機(jī)用戶偏好和情景信息感知用戶意圖，提高檢索精度，目前，個性化檢索技術(shù)已成為下一代搜索引擎提供服務(wù)的突破所在［13］。3)多種媒體流的同步問題。每種模態(tài)的多媒體信息有其自身的粒度級別，如視頻的幀級別、剪輯級別，圖像的像素級別、區(qū)域級別等。不同模態(tài)的媒體以其自身的粒度等級作為一個處理單元［14］，因此在連續(xù)的跨媒體檢索中如何實(shí)現(xiàn)同步、同期化處理多模態(tài)數(shù)據(jù)而不丟失語義信息是一個新的研究領(lǐng)域。4)由于移動智能終端的計算能力和網(wǎng)絡(luò)傳輸能力有限，多媒體數(shù)據(jù)的源數(shù)據(jù)只能是分布式的存放在不同用戶的終端上，能否建立快速、有效的索引，提供統(tǒng)一的跨媒體、跨終端的服務(wù)標(biāo)準(zhǔn)，將是制約移動互聯(lián)網(wǎng)環(huán)境下跨媒體信息共享服務(wù)發(fā)展的瓶頸。

結(jié)論

本文對現(xiàn)有跨媒體數(shù)據(jù)的智能處理和信息檢索研究中的若干問題進(jìn)行了綜述，并針對移動互聯(lián)網(wǎng)環(huán)境這一典型應(yīng)用領(lǐng)域進(jìn)行了討論分析，討論了基于用戶標(biāo)注和地理本體的實(shí)現(xiàn)方法。最后分析了目前的典型應(yīng)用系統(tǒng)并指出了未來研究的發(fā)展方向。（本文作者：張旭、羅詩妍、金京培、裴海英 單位：韓國仁荷大學(xué)數(shù)據(jù)庫實(shí)驗(yàn)室、重慶郵電大學(xué)計算機(jī)科學(xué)與技術(shù)學(xué)院）