GRETSI'03 -- Proceedings

	19^st GRETSI Symposium on Signal and Image Processing Paris 8 - 11 september 2003

Information related to the paper

Title

Prédiction temporelle de descripteurs visuels pour la mesure de similarité entre vidéos

Author(s)

Eric Bruno	CVML, Universite de Geneve
Stéphane Marchand-Maillet	CVML, Universite de Geneve

Rererences

vol. I, page 177

Get the paper in PDF format

To obtain Acrobat Reader (version 5 minimum required) necessary to his read.

Abstract

Nous abordons dans cet article le problème de la mesure de similarité entre les contenus visuels spatio-temporels de vidéos. L'information visuelle peut-être caractérisée par un ensemble de descripteurs extraits des images tout au long de la séquence. La dimension temporelle des descripteurs nous permet alors de les considérer comme une série temporelle dont on cherche à modéliser le comportement par une fonction de prédiction. Cette fonction est nonlinéaire et est estimée par la technique des Machines à Vecteurs Supports. La comparaison des modèles temporels ainsi estimés sur différentes vidéos permet, par l'intermédiaire de l'erreur de prédiction, de définir une mesure de similarité qui tienne à la fois compte des descripteurs visuels et de leur évolution temporelle tout au long de la séquence. Des résultats expérimentaux sur des séquences réelles montrent la validité de cette mesure de similarité.

Edition : Télécom-Paris -- 2003