Contenu (médias) | EPFL Graph Search

Dans l'édition, l'art et la communication, le contenu est l'information, ou la proposition d'une expérience, qui est destinée au public, ou à un utilisateur final . Le contenu « doit être exprimé par l'intermédiaire d'un médium, comme la parole, l'écriture, ou une forme artistique ». Il est délivré via de nombreux médias : l'Internet, la presse imprimée, le cinéma, la télévision, la radio, les téléphones mobiles, les CD audio, les livres, les livres numériques, les événements en direct (discours, conférences, représentations scéniques), etc. « Contenu » renvoie aux informations fournies par le biais du médium et au support sur lequel il est délivré. Mais cependant le support n'apporte pas ou peu de valeur à l'utilisateur final sans les informations qui composent ce contenu. L'auteur, le producteur ou l'éditeur d'une source originale d'informations (ou d'une expérience) est directement crédité ou non de la valeur totale qu'atteint ce contenu dans un contexte spécifique. Par exemple, une partie d'un article original (tel que son titre) peut s'afficher comme résultat dans un moteur de recherche à la suite de la requête d'un utilisateur, ou elle est associée avec des titres d'autres publications, informations ou publicités. La valeur que le titre acquiert au sein de ce groupe peut être très différente de la valeur qu'il avait en tant que contenu dans son article d'origine. Le contenu peut influencer d'autres auteurs qui créent leur propre contenu, parfois d'une manière dont l'auteur premier ne pouvait imaginer. Cette opportunité conduit les utilisateurs à développer leur propres contenus à partir de contenus déjà existant. Une grande partie des contenus des médias sociaux est dérivée de cette manière, en recyclant efficacement ces mêmes contenus sous une forme légèrement différente, complétés par les options offertes aux utilisateurs en tant que médiums (« user innovation » : contenu généré par les utilisateurs ou user-generated content, production participative ou crowdsourcing, appropriation d’outils technologiques ou domestication etc.

Adaptive video delivery using semantics

Olivier Steiger

The diffusion of network appliances such as cellular phones, personal digital assistants and hand-held computers has created the need to personalize the way media content is delivered to the end user. Moreover, recent devices, such as digital radio receivers with graphics displays, and new applications, such as intelligent visual surveillance, require novel forms of video analysis for content adaptation and summarization. To cope with these challenges, we propose an automatic method for the extraction of semantics from video, and we present a framework that exploits these semantics in order to provide adaptive video delivery. First, an algorithm that relies on motion information to extract multiple semantic video objects is proposed. The algorithm operates in two stages. In the first stage, a statistical change detector produces the segmentation of moving objects from the background. This process is robust with regard to camera noise and does not need manual tuning along a sequence or for different sequences. In the second stage, feedbacks between an object partition and a region partition are used to track individual objects along the frames. These interactions allow us to cope with multiple, deformable objects, occlusions, splitting, appearance and disappearance of objects, and complex motion. Subsequently, semantics are used to prioritize visual data in order to improve the performance of adaptive video delivery. The idea behind this approach is to organize the content so that a particular network or device does not inhibit the main content message. Specifically, we propose two new video adaptation strategies. The first strategy combines semantic analysis with a traditional frame-based video encoder. Background simplifications resulting from this approach do not penalize overall quality at low bitrates. The second strategy uses metadata to efficiently encode the main content message. The metadata-based representation of object's shape and motion suffices to convey the meaning and action of a scene when the objects are familiar. The impact of different video adaptation strategies is then quantified with subjective experiments. We ask a panel of human observers to rate the quality of adapted video sequences on a normalized scale. From these results, we further derive an objective quality metric, the semantic peak signal-to-noise ratio (SPSNR), that accounts for different image areas and for their relevance to the observer in order to reflect the focus of attention of the human visual system. At last, we determine the adaptation strategy that provides maximum value for the end user by maximizing the SPSNR for given client resources at the time of delivery. By combining semantic video analysis and adaptive delivery, the solution presented in this dissertation permits the distribution of video in complex media environments and supports a large variety of content-based applications.

EPFL2005

Adaptive video delivery using semantics

Olivier Steiger

EPFL2005