ISO/IEC TR 15938-8:2002 情報技術—マルチメディアコンテンツ記述インターフェース—パート8：MPEG-7記述の抽出と使用

この規格プレビューページの目次

※一部、英文及び仏文を自動翻訳した日本語訳を使用しています。

2 用語と定義

2.1 規約

2.1.1 記述ツール

ISO/IEC 15938 のこのパートでは、マルチメディア記述ツールを次のように指定しています。

• 説明スキーム (DS) — マルチメディアコンテンツに関するエンティティまたは関係を説明する説明ツール。 DS は、それらのコンポーネントの構造とセマンティクスを指定します。これは、記述スキーム、記述子、またはデータ型である場合があります。
• 記述子 (D) — マルチメディアコンテンツの機能、属性、または属性のグループを記述する記述ツール。
• データ型 — 記述スキームと記述子で使用される基本的な再利用可能なデータ型。
• 記述ツール (またはツール) — 記述スキーム、記述子、またはデータ型を指します。

2.1.2 命名規則

マルチメディア記述ツールを指定するために、ISO/IEC 15938 のこの部分では、ISO/IEC 15938-2 で指定されている記述定義言語 (DDL) によって提供される構造を使用します。「複雑なタイプ」。これらの構造に関連付けられた名前は、次の規則に基づいて作成されます。

●名前が複数の単語で構成されている場合、各単語の最初の文字は大文字になります。ただし、最初の単語の大文字化は、次のように構成のタイプによって異なります。
●要素の命名: 最初の単語の最初の文字は大文字になります (例: TimeTypeの要素)
●属性の命名: 最初の単語の最初の文字は大文字ではありません (例: IncrDurationTypeのtimeunit属性)
● complexType 命名: 最初の単語の最初の文字を大文字にし、接尾辞「Type」を名前の最後に使用します (例: PersonType)
● simpleType 命名: 最初の単語の最初の文字は大文字ではなく、名前の末尾に「Type」という接尾辞を使用できます (例: timePointType )

記述ツールの定義でcomplexTypeまたはsimpleTypeを参照する場合、「Type」サフィックスは使用されないことに注意してください。たとえば、このテキストは、" Time データ型" (" TimeTypeデータ型" ではなく)、" MediaLocator D " (" MediaLocatorType D " ではなく)、および " Person DS " (" PersonType DS " ではなく) を参照しています。 .

2.2 用語

ISO/IEC 15938 のこの部分では、次の用語と定義が適用されます。

2.2.1 スキーマ関連の用語

2.2.1.1

属性

単純型の記述ツールのフィールド。

2.2.1.2

ベースタイプ

他の型の派生階層のルート型として機能する型。

2.2.1.3

データ・タイプ

Description Schemes と Descriptors で使用されるプリミティブな再利用可能な型。

2.2.1.4

派生型

他のタイプの拡張または制限に関して定義されたタイプ。

2.2.1.5

説明

1 つまたは複数の説明ツールのインスタンス化。

2.2.1.6

説明スキーム

マルチメディアコンテンツに関するエンティティまたは関係を記述する記述ツール。記述スキームは、それらのコンポーネントの構造とセマンティクスを指定します。これは、記述スキーム、記述子、またはデータ型の場合があります。

2.2.1.7

説明ツール

説明スキーム、記述子、またはデータ型。

2.2.1.8

ディスクリプタ

マルチメディアコンテンツの機能、属性、または属性のグループを説明する説明ツール。

2.2.1.9

インスタンス化

1 つまたは複数の記述ツールのフィールド (要素、属性) への値の割り当て。

2.2.1.10

エレメント

複合型の記述ツールのフィールド。

2.2.1.11

図式

ISO/IEC 15938 で指定されているものなど、関連する記述ツールのセット。

2.2.1.12

タイプ

説明ツールの要素または属性の値を表すために、文字、数字、および/または記号のコレクションに使用される形式。型は、個別の値のセット、語彙表現のセット、および値空間のプロパティ、個々の値、または語彙項目を特徴付けるファセットのセットで構成されます。

2.2.2 コンテンツ関連の用語

2.2.2.1

抽象化

コンテンツから作成されるか、コンテンツに関連する二次表現。たとえば、動画の概要や機能のモデルなどです。

2.2.2.2

交流係数

1 つまたは両方の次元の周波数が非ゼロである任意の DCT 係数。

2.2.2.3

取得

ソースからオーディオ or ビジュアルデータを取得するプロセス。

2.2.2.4

行動

オブジェクトまたはオブジェクトのグループの意味的に識別可能な動作 (サッカー選手がボールを蹴るなど)

2.2.2.5

エージェント

個人、組織、またはグループ。

2.2.2.6

オーディオ

リスニングまたはヒアリングを目的とした時変データまたは信号。また、聴覚モダリティに関連しています。

2.2.2.7

オーディオビジュアル

オーディオとビデオの両方のデータで構成されるコンテンツ。

2.2.2.8

自動

コンピュータ、ハードウェア、またはその他のソフトウェアデバイスによるマルチメディアデータ、コンテンツ、またはメタデータの処理。

2.2.2.9

分類スキーム

定義された用語とその意味のリスト。

2.2.2.10

コンテンツ

マルチメディアコンテンツ

人間による解釈に適した形式化された方法で、マルチメディアデータに含まれる、または関連する情報の表現。コンテンツとは、データとメタデータを指します。

2.2.2.11

著作権

データ、コンテンツ、またはメタデータの所有権を確立する権利。

2.2.2.12

データ

エッセンス

マルチメディアデータ

自動手段による通信、解釈、または処理に適した形式化された方法でマルチメディアを表現したもの。

2.2.2.13

直流係数

両方の次元の周波数がゼロである DCT 係数。

2.2.2.14

DCT係数

特定のコサイン基底関数の符号付き振幅。

2.2.2.15

編集

マルチメディアデータを結合、抽出、および調整するプロセス。

2.2.2.16

自分の顔

顔画像の主成分分析から得られた固有ベクトル。

2.2.2.17

実在物

マルチメディアコンテンツに関連する具体的または抽象的な関心事項。

2.2.2.18

イベント

ある時点または時間間隔中に発生する注目に値する出来事。状態の変化としても使用されます。

2.2.2.19

特徴

イメージの「色」や「テクスチャ」など、人間の観察者にとって何かを意味する、マルチメディアコンテンツの特徴的な特性。

2.2.2.20

フィルタリング

特定の基準を満たすマルチメディアコンテンツを選択するプロセス。このプロセスには、基準を満たす程度に応じてコンテンツをランク付けすることが含まれる場合があります。

2.2.2.21

フォーマット

データの格納または物理表現の特性。

2.2.2.22

フレーム

動画からの 1 つの画像。

2.2.2.23

画像

視覚ソースから取得した、空間的に変化する 2D 視覚データ。

2.2.2.24

キーフレーム

動画またはセグメントの代表的なフレーム。

2.2.2.25

ロケータ

マルチメディアデータまたはセグメントの場所またはアドレスを指定します。

2.2.2.26

モデル

マルチメディアコンテンツ or 機能のパラメトリックまたは統計的表現。

2.2.2.27

マニュアル

人的手段によるマルチメディアデータ、コンテンツ、またはメタデータの処理。

2.2.2.28

メタデータ

マルチメディアデータをユーザーが理解しやすく共有できるようにするための情報とドキュメント。

2.2.2.29

マルチメディア

画像、オーディオ、ビデオ、3D モデル、インクコンテンツなど、1 つまたは複数のモダリティを含むデータ。

2.2.2.30

ナビゲーション

ユーザーがマルチメディアコンテンツにアクセスし、制御された方法でコンテンツのコースを操縦するプロセス。

2.2.2.31

オブジェクト

自然界の物理的表現を持つオブジェクト。

2.2.2.32

領域

マルチメディアの空間単位。たとえば、イメージの 2D 空間領域やビデオの移動領域などです。

2.2.2.33

関係

エンティティ間の関連付け。

2.2.2.34

権利

マルチメディアデータ、コンテンツ、またはメタデータの所有権と使用条件を決定する情報。知的財産権、著作権、およびアクセス権への言及。

2.2.2.35

シーン

1 つの場所での継続的なアクションを表すエピソードまたは一連のイベント。

2.2.2.36

検索

特定の基準を満たすマルチメディアコンテンツを検索するプロセス。このプロセスには、基準を満たす程度に応じてコンテンツをランク付けすることが含まれる場合があります。

2.2.2.37

セグメント

マルチメディアの空間単位または時間単位。たとえば、動画の時間セグメントや画像のセグメントです。

2.2.2.38

セマンティクス

マルチメディアコンテンツの基本的な意味または理解に関する情報。または、説明ツールの意味の仕様を参照してください。

2.2.2.39

概要

コンテンツを要約したマルチメディアコンテンツの抽象化。

2.2.2.40

ユーザー

マルチメディアコンテンツのエンドユーザーまたは消費者。

2.2.2.41

ユーザー設定

マルチメディアコンテンツに関するユーザーの好み。これには、コンテンツとそのプロパティに関するユーザーの好み、好き嫌い、および消費プロセスに関する好みが含まれます。

2.2.2.42

使用履歴

マルチメディアコンテンツのユーザーが、特定のコンテンツを記録したり、記録したコンテンツを特定の時間に再生したりするなど、一定期間にわたって行った操作の履歴。

2.2.2.43

変化

マルチメディアコンテンツの代替バージョン。トランスコーディング、要約、翻訳、縮小などによって生成される場合があります。

2.2.2.44

ビデオ

見ることを目的とした、空間的および時間的に変化する視覚データ or 信号。通常、画像 or フレームの離散シーケンスとして表されます。

2.2.2.45

ビュー

パーティションに関して定義された、画像、ビデオ or オーディオ信号 A 一部。パーティションは、空間、時間、および/または周波数平面で定義され A 多次元領域です。

2.2.2.46

ビジュアル

視覚モダリティに関連しています。

2.2.2.47

分解を見る

多次元空間、時間、および/または周波数で画像、ビデオ or オーディオ信号の構造化された分解を提供する、組織化された一連のビュー。

2.2.2.48

3D メッシュモデル

面とノードのセットを使用した 3D オブジェクトの表面の表現モデル。 (つまり、ポリゴンメッシュ)

2.3 記号と略語

2.3.1 ジェネリック

ISO/IEC 15938 のこの部分の目的のために、以下に示す記号と略語が適用されます。

タイプ：	角度 - 半径変換
av	オーディオビジュアル
CSS:	曲率スケールスペース
CIE:	国際照明委員会
CIF:	共通中間形式
cs	分類スキーム
D:	ディスクリプタ
D:	記述子
DCT:	離散コサイン変換
DDL:	説明定義言語
DS:	説明スキーム
DS:	記述スキーム
フォーカス:	収縮の焦点
敵:	拡大の焦点
GLA:	一般化されたロイドアルゴリズム
GoF:	フレームのグループ
GoP:	写真のグループ
HMMD:	色相最小最大差
HSV:	色相彩度値
アナ：	インターネット割り当て番号機関
IETF:	インターネットエンジニアリングタスクフォース
IPMP:	知的財産の管理と保護
ISO:	国際標準化機構
JPEG:	共同写真専門家グループ
MDS:	マルチメディア記述スキーム
MNV:	平均法線ベクトル
MPEG:	動画専門家グループ
MPEG-4:	視聴覚オブジェクトのコーディング (ISO/IEC 14496 を参照)
MPEG-7:	マルチメディアコンテンツ記述インターフェイス標準 (ISO/IEC 15938 を参照)
MP3:	MPEG-2 レイヤ 3 オーディオコーディング
NAC:	正規化自己相関
QCIF:	四半期共通中間フォーマット
PWM:	擬似重み付けメジャー
RGB:	赤緑青
SMPTE:	映画テレビ技術者協会
SSD:	形状スペクトル記述子
TZ:	タイムゾーン
TZD:	時差
URI:	統一資源識別子 (RFC 2396 を参照)
URL:	Uniform Resource Locator (RFC 2396 を参照)
W3C:	ワールド・ワイド・ウェブ・コンソーシアム
XML:	拡張マークアップ言語
XOR:	排他的 OR

2.3.2 算術演算子

+	添加
-	減算 (二項演算子として) または否定 (単項演算子として)
++	インクリメント、つまり x++ は x=x+1 と同等
--	デクリメント、つまり x-- は x=x-1 と同等
+=	累積、つまり x+=2 は x=x+2 と同等
/=	除算と代入、つまり x/=2 は x=x/2 と同等
*	乗算
x	乗算
∧	パワー
/	結果をゼロに向けて切り捨てる整数除算。たとえば、7/4 と -7/-4 は 1 に切り捨てられ、-7/4 と 7/-4 は -1 に切り捨てられます。
///	最も近い整数に丸める整数除算。特に指定のない限り、半整数値はゼロから四捨五入されます。たとえば、3//2 は 2 に丸められ、-3//2 は -2 に丸められます。
	丸めが意図されていない数学方程式の除算を示すために使用されます
%	正の数に対してのみ定義されるモジュラス演算子
id	対数底 2
細胞	指定された浮動小数点数以上の最小整数
サイン（）
セクション（）
	a から b までの整数値を取るiによる ƒ ( i ) の合計。ただしbは含まれません。

2.3.3 論理演算子

\|\|	論理和
&&	論理積
!	論理否定

2.3.4 関係演算子

>	より大きい
>=	以上
≥	以上
<	未満
<=	以下
≤	以下
==	に等しい
!=	等しくない
最大[]	引数リストの最大値
分[]	引数リストの最小値
中央値[]	引数リストの中央値

2.3.5 ビット演算子

\| \|	or
&	と
»	符号拡張付き右シフト
«	ゼロ埋めで左シフト

2.3.6 条件演算子

2.3.7 割り当て

代入演算子

2.3.8 定数

π	3,141 592 653 58...
e	2,718 281 828 45...

2.3.9 関数

最大()	引数リストの最大値
分（）	引数リストの最小値
サイン（）
セクション（）
	a から b までの整数値を取るiによる ƒ ( i ) の合計。ただしbは含まれません。

N 次元ベクトル x と y の間の距離

L1 標準
L2 通常
ユークリッド距離

2.4 デフォルト基準軸

角度計算のデフォルトの参照軸は、正の x (水平) 軸です。正の角度は反時計回りに計算されます。

参考文献

1	ISO 8601, データ要素と交換フォーマット — 情報交換 — 日付と時刻の表現
2	ISO 63, 言語の名前を表すためのコード
3	ISO 3166-1, 国とその下位区分の名前を表すためのコード — 1: 国コード
4	ISO 3166-2, 国およびその下位区分の名前を表すためのコード — 2: 国細分類コード
5	ISO 4217, 通貨および資金の表現のためのコード
6	ISO/IEC 11172, 情報技術 — 約 1.5 Mbit/s までのデジタルストレージメディア用の動画および関連するオーディオのコーディング
7	ISO/IEC 1381, 情報技術 — 動画および関連する音声情報の一般的なコーディング
8位	ISO/IEC 1449, 情報技術? — 視聴覚オブジェクトのコーディング
9	ISO/IEC 15938-1, 情報技術 — マルチメディアコンテンツ記述インターフェース — 1: システム
10	ISO/IEC 15938-2, 情報技術 — マルチメディアコンテンツ記述インターフェース — 2: 記述定義言語
11	ISO/IEC 15938-3, 情報技術 — マルチメディアコンテンツ記述インターフェース — 3: ビジュアル
12	ISO/IEC 15938-4, 情報技術 — マルチメディアコンテンツ記述インターフェース — 4: オーディオ
13	ISO/IEC 15938-6, 情報技術 — マルチメディアコンテンツ記述インターフェース — 6: 参照ソフトウェア
14	ISO/IEC 10646-1, 情報技術 — Universal Multiple-Octet Coded Character Set (UCS) — 1: アーキテクチャと基本的な多言語面
15	ISO/IEC 10646-2, 情報技術 — Universal Multiple-Octet Coded Character Set (UCS) — 2: 補助平面
16	Unicode コンソーシアム、Unicode 標準 ( http://www.unicode.org/ )
17	ISO レジストリ、ISO 国際文字セットレジストリ
18	IANA レジストリ ( http://www.iana.org/assignments/character-sets )
19	XML, 拡張マークアップ言語、W3C 勧告、ワールドワイドウェブコンソーシアム (W3C)
20	XML スキーマ、XML スキーマ、W3C 勧告、ワールドワイドウェブコンソーシアム (W3C)
21	xPath, XML パス言語、W3C 勧告、ワールドワイドウェブコンソーシアム (W3C)
22	IETF RFC 2279, UTF-8, ISO 10646 の変換形式
23	IETF RFC 2396, Uniform Resource Identifier (URI): 汎用構文
24	IETF RFC 2045, 多目的インターネットメール拡張 (MIME) 1: インターネットメッセージ本文の形式
25	IETF RFC 2046, 多目的インターネットメール拡張 (MIME) 2: メディアの種類
26	IETF RFC 2048, 多目的インターネットメール拡張 (MIME) 4: 登録手続き
27	IETF RFC 2045-CHARSETS, RFC2045 の登録文字セットコード
28	IETF RFC 2046-MIMETYPES, RFC2046 の登録済み Mimetypes
29	オブジェクトベースのビデオコーディングと記述に関する特別号、ビデオ技術の回路とシステムに関する IEEE トランザクション、9, (8)、1999 年 12 月
30	L Agnihotri および N Dimitrova 共著、ビデオ分析のためのテキスト検出、コンテンツベースの画像およびビデオライブラリに関するワークショップ、CVPR, コロラド州、pp. 109-113, 1999 と併せて開催
31	Abdeljaoued Y, Ebrahimi T, Christopoulos C, Mas Ivars I, ショット境界検出の新しいアルゴリズム、Proceedings European Signal Processing Conferenc, Multimedia Indexing, Browsing and Retrieval に関する特別セッション、2000 年 9 月 5 ～ 8 日、フィンランド、タンペレ
32	M. Bierling, 階層ブロックマッチングによる変位推定、SPIE vol. 1001, ビジュアルコミュニケーションと画像処理、1988
33	AD Bimbo, E Vicario, D Zingoni, 時空間ロジックを使用した画像シーケンスの記号記述と視覚的クエリ、知識とデータエンジニアリングに関する IEEE トランザクション、vol. 7 号 4 号、1995 年 8 月
34	N. Björk および Christopoulos C.、ビデオコーディングのためのトランスコーダアーキテクチャ、Proceedings on IEEE International Conference on Acoustic Speech and Signal Processin, シアトル、ワシントン、vol. 5, pp. 2813-2816, 1998 年 5 月 12 ～ 15 日
35	S.-K. Chang, QY Shi, および CY Yan による 2 次元文字列によるアイコンのインデックス作成、IEEE Trans. Pattern Analysis Machine Intel.、9(3):413-428, 1987 年 5 月
36	N. Damera-Venkata 他、劣化モデルに基づく画質評価、IEEE Trans. Image Processing, vol. 9, no. 4, pp. 636-650, 2000
37	G. Freytag, Technique of the Drama, 2nd ed. Elias J. MacEwan 訳、シカゴ: Scott, Foresman, 1898 年
38	VN Gudivada および VV Raghavan, 空間的類似性による画像検索アルゴリズムの設計と評価、情報システムに関する ACM トランザクション、vol. 13, no. 2, 1995 年 4 月, pp. 115-144
39	A. Hanjalic, HJ Zhang, 教師なしクラスター妥当性分析に基づく自動ビデオ抽象化のための統合スキーム、IEEE Transactions on Circuits and Systems for Video Technology 9(8): 1280-1289, 1999 年 12 月
40	M. Kass, A. Witkin, D. Terzopoulos 共著、Snakes: Active Contour Models, International Journal of Computer Vision, pp. 321-331, 1988 年
41	Kim M, Choi JG, Kim D, Lee H, Lee MH, Ahn C, Ho YS. VOP 生成ツール: 時空間情報に基づく画像シーケンス内の移動オブジェクトの自動セグメンテーション、IEEE Transactions on Circuits and Systems for Video Technology 9(8): 1216-1226, 1999 年 12 月
42	P. Kuhn, MPEG-4 Motion Estimation のアルゴリズム、複雑性分析および VLSI アーキテクチャ、Kluwer Academic Publishers, 1999 年、ISBN 792385160
43	P. Kuhn 著、MPEG 圧縮ドメインの特徴点を使用したカメラ動作推定、IEEE International Conference on Image Processin, 2000 年 9 月 10 ～ 13 日、カナダ、バンクーバー
44	S. Herrmann, H. Mooshofer, Hディートリッヒ、W. Stechele, 「階層オブジェクト表現とその実装のためのビデオセグメンテーションアルゴリズム」、ビデオ技術の回路とシステムに関する IEEE トランザクション 9(8): 1204-1215, 1999 年 12 月
45	Jain AK, Dubes RC, データをクラスタリングするためのアルゴリズム。プレンティスホール、イングルウッドクリフ、ニュージャージー州、1988 年
46	B.ローレル、劇場としてのコンピューター、アディソン・ウェズリー、1993年
47	T Meier, KN Ngan, コンテンツベースのコーディングのためのビデオセグメンテーション、ビデオ技術の回路およびシステムに関する IEEE トランザクション 9(8): 1190-1203, 1999 年 12 月
48	J. Meng, Y. Juan および S.-F.チャン、MPEG 圧縮ビデオシーケンスでのシーン変更検出、議事録、IS&T/SPIE の電子画像に関するシンポジウム: 科学と技術 (EI'95) — デジタルビデオ圧縮: アルゴリズムと技術、サンノゼ、1995 年 2 月
49	A Perkis, Y Abdeljaoued, C Christopoulos, T Ebrahimi, J Chicharo, 有線および無線システムからのユニバーサルマルチメディアアクセス、Circuits, Systems and Signal Processing, マルチメディア通信サービスに関する特集号、2000 年に提出
50	P サレンビエと F マルケス、画像とビデオの地域ベースの表現: マルチメディアサービスのセグメンテーションツール、ビデオ技術の回路とシステムに関する IEEE トランザクション 9(8): 1147-1169, 1999 年 12 月
51	JC Shim, C. Dorai, および R. Bolle 共著、コンテンツベースの注釈と検索のためのビデオからの自動テキスト抽出、Proc. Intの。パターン認識に関する会議、pp. 618-620, 1998 年 8 月
52	J.-C. Shim および C. Dorai 著、A Fast and Generalized Region Labeling Algorithm in Proc. Intの。画像処理に関する会議、1999 年 10 月
53	ワールドワイドウェブコンソーシアム (W3C)、同期マルチメディア、 http://www.w3.org/AudioVideo/
54	D. Zhong および S.-F. Chang, AMOS: An Active System For MPEG-4 Video Object Segmentation, 1998 年画像処理に関する国際会議、1998 年 10 月 4 ～ 7 日、シカゴ、イリノイ州、米国
55	D. Zhong および S.-F.Chang 著、コンテンツベースのビデオインデックス作成のためのビデオオブジェクトモデルおよびセグメンテーション、ISCAS'97, 香港、1997 年 6 月 9 ～ 12 日
56	D. Zhong および S.-F. Chang 著、オブジェクトベースのビデオ表現を使用した時空間ビデオ検索、ICIP'97, 1997 年 10 月 26 ～ 29 日、カリフォルニア州サンタバーバラ
57	D. Zhong および S.-F. Chang, Region Feature Based Similarity Searching of Semantic Video Objects, ICIP'99, 1999 年 10 月 24 ～ 28 日、神戸
58	JF アレン、時間間隔に関する知識の維持。 ACM 通信、26(11):832-843, 1983 年
59	S.-K. Chang, QY Shi, および CY Yan による 2 次元文字列によるアイコンのインデックス作成、IEEE Trans. Pattern Analysis Machine Intel.、9(3):413-428, 1987 年 5 月
60	Dewey Decimal 分類スキーム、 http://www.oclc.org/dewey/
61	SCシャピロ、人工知能百科事典第2版、vo 2, 1495, ワイリー-インターサイエンス、1992
62	Yeun-Bae Kim, Masahiro Shibata, A Video Indexing Method using Natural Language Memo for TV Program Production, pp. 266-270, Proceedings of ECAI96, 第 12 回欧州人工知能会議、1996 年 8 月
63	高橋由美子、長谷川浩司、杉山和夫、渡辺正人、セマンティックスコア法による映画のストーリー構造の記述 — ヒューマンコンテンツインターフェースデザインに向けて (3)、日本デザイン学会紀要、vol. 46, no. 6, pp. 57-66, (2000)
64	高橋康史、柴田義明、鎌田幹夫、木村仁、セマンティックスコア法: 複数の視聴者による定量的コンテンツ評価ツール、Proc. of AEI ICM, 2001 年 5 月 8 ～ 9 日、フィレンツェ、イタリア、pp. 275-278
65	Y. Takahashi, Semantic Score Method: A Standardized Tool for quantitative Movie Interpretation — Toward Human Content Interface Design (5), Bulletin of JSSD, vol. 47, no. 4, (2000)
66	高橋由美, 長谷川浩司, 杉山和夫, 渡辺美知子, 効果的な映画選択のための新しい映画要約アルゴリズム — ヒューマンコンテンツインターフェースの設計に向けて (4), 日本物理学会紀要, vol. 47, no. 4, (2000)
67	M Lounsberry, T DeRose, J Warren, 任意のトポロジータイプのサーフェスの多重解像度解析、TR 93-10-05b, Dept. CS & Eng., Univ. 1994 年 1 月ワシントン州
68	CA Poynton, デジタルビデオの技術紹介、John Wiley, 1996 年 (特に、RGB から CIE XYZ への変換式)
69	AK Jain, デジタル画像処理の基礎、Prentice Hall, 1989 年 (特に、CIE XYZ から CIE LUV への変換式)
70	RWG, 色の再現、第 5 版、Fountain Press, 1995 年 (変換式のない色の基礎)
71	MV Srinivasan, S Venkatesh, R Hosie, ビデオシーケンスからのカメラモーションパラメータの質的推定、パターン認識、vol. 30, no. 4, pp. 593-606, 1997

2 Terms and definitions

2.1 Conventions

2.1.1 Description tools

This part of ISO/IEC 15938 specifies the multimedia description tools as follows:

• Description Scheme (DS) — a description tool that describes entities or relationships pertaining to multimedia content. DSs specify the structure and semantics of their components, which may be Description Schemes, Descriptors, or datatypes.
• Descriptor (D) — a description tool that describes a feature, attribute, or group of attributes of multimedia content.
• Datatype — a basic reusable datatype employed by Description Schemes and Descriptors.
• Description Tool (or tool) — refers to a Description Scheme, Descriptor, or Datatype.

2.1.2 Naming convention

In order to specify the multimedia description tools, this part of ISO/IEC 15938 uses constructs provided by the Description Definition Language (DDL) specified in ISO/IEC 15938-2, such as"element","attribute","simpleType" and"complexType". The names associated to these constructs are created on the basis of the following conventions:

● If the name is composed of multiple words, the first letter of each word is capitalized, with the exception that the capitalization of the first word depends on the type of construct as follows:
● Element naming: the first letter of the first word is capitalized (e.g. element of TimeType).
● Attribute naming: the first letter of the first word is not capitalized (e.g. timeunit attribute of IncrDurationType).
● complexType naming: the first letter of the first word is capitalized, and the suffix"Type" is used at the end of the name (e.g. PersonType).
● simpleType naming: the first letter of the first word is not capitalized, the suffix"Type" may be used at the end of the name (e.g. timePointType).

Note that when referencing a complexType or simpleType in the definition of a description tool, the"Type" suffix is not used. For instance, the text refers to the"Time datatype" (instead of"TimeType datatype"), to the"MediaLocator D" (instead of"MediaLocatorType D") and to the"Person DS" (instead of"PersonType DS").

2.2 Terminology

For the purposes of this part of ISO/IEC 15938, the following terms and definitions apply.

2.2.1 Schema-related terminology

2.2.1.1

Attribute

A field of a description tool which is of simple type.

2.2.1.2

Base type

A type that serves as the root type of a derivation hierarchy for other types .

2.2.1.3

Datatype

A primitive reusable type employed by Description Schemes and Descriptors .

2.2.1.4

Derived type

A type that is defined in terms of extension or restriction of other types .

2.2.1.5

Description

An instantiation of one or more description tools .

2.2.1.6

Description Scheme

A description tool that describes entities or relationships pertaining to multimedia content. Description Schemes specify the structure and semantics of their components, which may be Description Schemes, Descriptors , or datatypes .

2.2.1.7

Description Tool

A Description Scheme, Descriptor , or datatype .

2.2.1.8

Descriptor

A description tool that describes a feature, attribute , or group of attributes of multimedia content.

2.2.1.9

Instantiation

Assignment of values to the fields (elements, attributes) of one or more description tools .

2.2.1.10

Element

A field of a description tool which is of complex type.

2.2.1.11

Schema

The set of related description tools , for example, those specified in ISO/IEC 15938 .

2.2.1.12

Type

The format used for collection of letters, digits, and/or symbols, to depict values of an element or attribute of description tool. A type consists of a set of distinct values, a set of lexical representations, and a set of facets that characterize properties of the value space, individual values, or lexical items.

2.2.2 Content-related terminology

2.2.2.1

Abstraction

A secondary representation that is created from or is related to the content . For example, a summary of a video or a model of a feature .

2.2.2.2

AC coefficient

Any DCT coefficient for which the frequency in one or both dimensions is non-zero.

2.2.2.3

Acquisition

The process of acquiring audio or visual data from a source.

2.2.2.4

Action

A semantically identifiable behavior of an object or group of objects, for example, a soccer player kicking ball.

2.2.2.5

Agent

A person, organization, or group of persons.

2.2.2.6

Audio

Time-varying data or signal intended for listening or hearing. Also, related to the aural modality.

2.2.2.7

Audio-visual

content consisting of both audio and video data.

2.2.2.8

Automatic

Processing of multimedia data, content , or metadata by means of computer, hardware, or other software device.

2.2.2.9

Classification Scheme

A list of defined terms and their meanings.

2.2.2.10

Content

Multimedia content

A representation of the information contained in or related to multimedia data in a formalized manner suitable for interpretation by human means. Content refers to the data and the metadata .

2.2.2.11

A right that establishes the ownership of data, content , or metadata .

2.2.2.12

Data

Essence

Multimedia Data

A representation of multimedia in a formalized manner suitable for communication, interpretation, or processing by automatic means.

2.2.2.13

DC coefficient

The DCT coefficient for which the frequency in both dimensions is zero.

2.2.2.14

DCT coefficient

The signed amplitude of a specific cosine basis function.

2.2.2.15

Editing

The process of combining, extracting, and refining multimedia data .

2.2.2.16

Eigenface

An eigenvector obtained from the principal component analysis of facial images.

2.2.2.17

Entity

Any concrete or abstract thing of interest related to the multimedia content .

2.2.2.18

Event

A noteworthy occurrence that happens at a point in time or during a temporal interval. Alternatively used as a change in state.

2.2.2.19

Feature

A distinctive characteristic of multimedia content that signifies something to a human observer, such as the"color" or"texture" of an image.

2.2.2.20

Filtering

A process for selecting multimedia content that satisfies certain criteria. This process may include ranking the content according to the extent that it satisfies the criteria.

2.2.2.21

Format

The characteristics of the stored or physical representation of the data .

2.2.2.22

Frame

A single image from a video .

2.2.2.23

Image

2D spatially-varying visual data acquired from a visual source.

2.2.2.24

Key frame

A representative frame of a video or a segment .

2.2.2.25

Locator

Specifies the location or address of multimedia data or a segment .

2.2.2.26

Model

A parametric or statistical representation of multimedia content or features .

2.2.2.27

Manual

Processing of multimedia data, content , or metadata by human means.

2.2.2.28

Metadata

The information and documentation which makes multimedia data understandable and shareable to users over time.

2.2.2.29

Multimedia

Data comprising one or modalities, such as images, audio, video, 3D models, ink content, and so forth.

2.2.2.30

Navigation

A process by which a user accesses multimedia content and steers a course through the content in a controlled manner.

2.2.2.31

Object

An object with a physical representation in the natural world.

2.2.2.32

Region

A spatial unit of multimedia , for example, a 2D spatial region of an image , or a moving region of video .

2.2.2.33

Relation

Any association among entities.

2.2.2.34

Rights

Information that determines the ownership and terms of use of multimedia data, content , or metadata . Refers to Intellectual Property Rights, Copyrights, and the Access Rights.

2.2.2.35

Scene

An episode or sequence of events representing continuous action in one location.

2.2.2.36

A process for searching multimedia content that satisfies certain criteria. This process may include ranking the content according to the extent that it satisfies the criteria.

2.2.2.37

Segment

A spatial or temporal unit of multimedia , for example, a temporal segment of video , or a segment of an image .

2.2.2.38

Semantics

Information relating to the underlying meaning or understanding of multimedia content . Alternatively, refers to the specification of the meaning of description tools .

2.2.2.39

Summary

An abstraction of multimedia content that summarizes the content .

2.2.2.40

User

An end-user or consumer of multimedia content .

2.2.2.41

User Preferences

The preferences of a user pertaining to multimedia content . This includes the user's tastes, likes and dislikes with respect to the content and its properties, as well as preferences with respect to the consumption process.

2.2.2.42

Usage History

A history of actions that a user of multimedia content has carried out over a certain period of time, such as recording a specific piece of content, or playing back recorded content at a specific time.

2.2.2.43

Variation

An alternative version of multimedia content ., which may be derived through transcoding, summarization, translation, reduction, and so forth.

2.2.2.44

Video

A space- and time-varying visual data or signal intended for viewing; commonly represented as a discrete sequence of images or frames .

2.2.2.45

View

A portion of an image, video or audio signal, defined in terms of a partition. A partition is a multidimensional region defined in the space, time and/or frequency plane.

2.2.2.46

Visual

Related to the visual modality.

2.2.2.47

View Decomposition

An organized set of views that provides a structured decomposition of an image, video or audio signal in multi-dimensional space, time and/or frequency.

2.2.2.48

3D mesh model

Representation model of the surface of 3D objects using a set of faces and nodes. (i.e. polygonal meshes)

2.3 Symbols and abbreviated terms

2.3.1 Generic

For the purposes of this part of ISO/IEC 15938, the symbols and abbreviated terms given in the following apply:

ART:	Angular-Radial Transform
av	Audio-visual
CSS:	Curvature Scale Space
CIE:	International Commission on Illumination
CIF:	Common Intermediate Format
cs	Classification Scheme
D:	Descriptor
Ds:	Descriptors
DCT:	Discrete Cosine Transform
DDL:	Description Definition Language
DS:	Description Scheme
DSs:	Description Schemes
FOC:	Focus of Contraction
FOE:	Focus of Expansion
GLA:	Generalized Lloyd Algorithm
GoF:	Group of Frames
GoP:	Group of Pictures
HMMD:	Hue-Min-Max-Difference
HSV:	Hue-Saturation-Value
IANA:	Internet Assigned Numbers Authority
IETF:	Internet Engineering Task Force
IPMP:	Intellectual Property Management and Protection
ISO:	International Organization for Standardization
JPEG:	Joint Photographic Experts Group
MDS:	Multimedia Description Scheme
MNV:	Mean Normal Vector
MPEG:	Moving Picture Experts Group
MPEG-4:	Coding of audio-visual objects (see ISO/IEC 14496)
MPEG-7:	Multimedia Content Description Interface Standard (see ISO/IEC 15938)
MP3:	MPEG-2 layer 3 audio coding
NAC:	Normalized Auto-Correlation
QCIF:	Quarter Common Intermediate Format
PWM:	Pseudo Weighted Measure
RGB:	Red-Green-Blue
SMPTE:	Society of Motion Picture and Television Engineers
SSD:	Shape Spectrum Descriptor
TZ:	Time Zone
TZD:	Time Zone Difference
URI:	Uniform Resource Identifier (see RFC 2396)
URL:	Uniform Resource Locator (see RFC 2396)
W3C:	World Wide Web Consortium
XML:	Extensible Markup Language
XOR:	eXclusive-OR

2.3.2 Arithmetic operators

+	Addition
-	Subtraction (as a binary operator) or negation (as a unary operator)
++	Increment, i.e. x++ is equivalent to x=x+1
--	Decrement, i.e. x-- is equivalent to x=x-1
+=	Accumulation, i.e. x+=2 is equivalent to x=x+2
/=	divide and substitute, i.e. x/=2 is equivalent to x=x/2
*	Multiplication
x	Multiplication
∧	Power
/	Integer division with truncation of the result towards zero. For example, 7/4 and -7/-4 are truncated to 1, -7/4 and 7/-4 are truncated to -1.
//	Integer division with rounding to the nearest integer. Half-integer values are rounded away from zero unless otherwise specified. For example, 3//2 is rounded to 2, and -3//2 is rounded to -2.
	Used to indicate division in mathematical equations where no rounding is intended
%	Modulus operator, defined only for positive numbers
id	Logarithm base 2
ceil	Minimum integer number greater or equal than the given floating point number
Sign()
Abs()
	Summation of ƒ(i) with i taking integer values from a up to, but not including b.

2.3.3 Logical operators

\|\|	Logical OR
&&	Logical AND
!	Logical NOT

2.3.4 Relational operators

>	Greater than
>=	Greater than or equal to
≥	Greater than or equal to
<	Less than
<=	Less than or equal to
≤	Less than or equal to
==	Equal to
!=	Not equal to
max[]	Maximum value in argument list
min[]	Minimum value in argument list
median[]	median value in argument list

2.3.5 Bitwise operators

\|	or
&	AND
»	Shift right with sign extension
«	Shift left with zero fill

2.3.6 Conditional operators

2.3.7 Assignment

=	Assignment operator

2.3.8 Constants

π	3.141 592 653 58...
e	2.718 281 828 45...

2.3.9 Functions

max()	Maximum value in argument list
min()	Minimum value in argument list
Sign()
Abs()
	Summation of ƒ(i) with i taking integer values from a up to, but not including b.

Distances between N-dimentional vectors x and y

L1 norm
L2 norm
Euclidean distance

2.4 Default reference axis

The default reference axis for angle calculation is the positive x (horizontal) axis. Positive angle is calculated anti-clockwise.

Bibliography

1	ISO 8601, Data elements and interchange formats — Information interchange — Representation of dates and times
2	ISO 639 (all parts), Codes for the representation of names of languages
3	ISO 3166-1, Codes for the representation of names of countries and their subdivisions — 1: Country codes
4	ISO 3166-2, Codes for the representation of names of countries and their subdivisions — 2: Country subdivision code
5	ISO 4217, Codes for the representation of currencies and funds
6	ISO/IEC 11172, Information technology — Coding of moving pictures and associated audio for digital storage media at up to about 1,5 Mbit/s
7	ISO/IEC 13818 (all parts), Information technology — Generic coding of moving pictures and associated audio information
8	ISO/IEC 14496 (all parts), Information technology?— Coding of audio-visual objects
9	ISO/IEC 15938-1, Information technology — Multimedia content description interface — 1: Systems
10	ISO/IEC 15938-2, Information technology — Multimedia content description interface — 2: Description definition langauge
11	ISO/IEC 15938-3, Information technology — Multimedia content description interface — 3: Visual
12	ISO/IEC 15938-4, Information technology — Multimedia content description interface — 4: Audio
13	ISO/IEC 15938-6, Information technology — Multimedia content description interface — 6: Reference software
14	ISO/IEC 10646-1, Information technology — Universal Multiple-Octet Coded Character Set (UCS) — 1: Architecture and Basic Multilingual Plane
15	ISO/IEC 10646-2, Information technology — Universal Multiple-Octet Coded Character Set (UCS) — 2: Supplementary Planes
16	Unicode Consortium, The Unicode standard ( http://www.unicode.org/ )
17	ISO registry, ISO international character set registry
18	IANA registry ( http://www.iana.org/assignments/character-sets )
19	XML, Extensible Markup Language, W3C Recommendation, World Wide Web Consortium (W3C)
20	XML Schema, XML Schema, W3C Recommendation, World Wide Web Consortium (W3C)
21	xPath, XML Path Language, W3C Recommendation, World Wide Web Consortium (W3C)
22	IETF RFC 2279, UTF-8, a transformation format of ISO 10646
23	IETF RFC 2396, Uniform Resource Identifiers (URI): Generic Syntax
24	IETF RFC 2045, Multipurpose Internet Mail Extensions (MIME) One: Format of Internet Message Bodies
25	IETF RFC 2046, Multipurpose Internet Mail Extensions (MIME) Two: Media Types
26	IETF RFC 2048, Multipurpose Internet Mail Extensions (MIME) Four: Registration Procedures
27	IETF RFC 2045-CHARSETS, Registered Character set codes of RFC2045
28	IETF RFC 2046-MIMETYPES, Registered Mimetypes of??RFC2046
29	Special issue on Object Based Video Coding and Description, IEEE Transactions on Circuits and Systems for Video Technology, 9(8), December 1999
30	L. Agnihotri and N. Dimitrova, Text Detection for Video Analysis, Workshop on Content Based Image and Video Libraries, held in conjunction with CVPR, Colorado, pp. 109-113, 1999
31	Y. Abdeljaoued , T. Ebrahimi, C. Christopoulos, I. Mas Ivars, A new algorithm for shot boundary detection, Proceedings European Signal Processing Conference (EUSIPCO 2000), Special session on Multimedia Indexing, Browsing and Retrieval, 5-8 September 2000, Tampere, Finland
32	M. Bierling, Displacement Estimation by Hierarchical Block Matching, SPIE vol. 1001, Visual Communication & Image Processing, 1988
33	A. D. Bimbo, E. Vicario and D. Zingoni, Symbolic description and visual querying of image sequences using spatio-temporal logic, IEEE Transactions on Knowledge and Data Engineering, vol. 7, no. 4, August, 1995
34	N. Björk and Christopoulos C., Transcoder Architectures for video coding, Proceedings of IEEE International Conference on Acoustic Speech and Signal Processing (ICASSP 98), Seattle, Washington, vol. 5, pp. 2813-2816, May 12-15, 1998
35	S.-K. Chang, Q. Y. Shi, and C. Y. Yan, Iconic indexing by 2-D strings, IEEE Trans. Pattern Analysis Machine Intell., 9(3):413-428, May 1987
36	N. Damera-Venkata, et al., Image quality assessment based on a degradation model, IEEE Trans. Image Processing, vol. 9, no. 4, pp. 636-650, 2000
37	G. Freytag, Technique of the Drama, 2nd ed. Translated by Elias J. MacEwan, Chicago: Scott, Foresman, 1898
38	V.N. Gudivada and V.V. Raghavan, Design and Evaluation of Algorithms for Image Retrieval by Spatial Similarity, ACM Transaction on Information Systems, vol. 13, no. 2, April 1995, pp. 115-144
39	A. Hanjalic, H.J. Zhang, An integrated scheme for automated video abstraction based on unsupervised cluster-validity analysis, IEEE Transactions on Circuits and Systems for Video Technology 9(8): 1280-1289, December 1999
40	M. Kass, A. Witkin and D. Terzopoulos, Snakes: Active contour models, International Journal of Computer Vision, pp. 321-331, 1988
41	M. Kim, J.G. Choi, D. Kim, H. Lee, M.H. Lee, C. Ahn, Y.S. Ho, A VOP Generation tool: automatic segmentation of moving objects in image sequences based on spatio-temporal information, IEEE Transactions on Circuits and Systems for Video Technology 9(8): 1216-1226, December 1999
42	P. Kuhn, Algorithms, Complexity Analysis and VLSI-Architectures for MPEG-4 Motion Estimation, Kluwer Academic Publishers, 1999, ISBN 792385160
43	P. Kuhn, Camera Motion Estimation using feature points in MPEG compressed domain, IEEE International Conference on Image Processing (ICIP), September 10-13, 2000, Vancouver, Canada
44	S. Herrmann, H. Mooshofer, HY. Dietrich, W. Stechele, A video segmentation algorithm for hierarchical object representation and its implementation, IEEE Transactions on Circuits and Systems for Video Technology 9(8): 1204-1215, December 1999
45	Jain AK, Dubes RC, Algorithms for clustering data. Prentice Hall, Englewood Cliffs, NJ, 1988
46	B. Laurel, Computers as Theatre, Addison-Wesley, 1993
47	T. Meier, K. N. Ngan, Video segmentation for content based coding, IEEE Transactions on Circuits and Systems for Video Technology 9(8): 1190-1203, December 1999
48	J. Meng, Y. Juan and S.-F. Chang, Scene Change Detection in a MPEG Compressed Video Sequence, Proceedings, IS&T/SPIE's Symposium on Electronic Imaging: Science & Techno logy (EI'95) — Digital Video Compression: Algorithms and Technologies, San Jose, February 1995
49	A. Perkis, Y. Abdeljaoued , C. Christopoulos, T. Ebrahimi, J. Chicharo, Universal Multimedia Access from Wired and Wireless Systems, submitted to Circuits, Systems and Signal Processing, Special Issue on Multimedia Communication Services, 2000
50	P. Salembier and F. Marqués, Region-based representation of image and video: Segmentation tools for multimedia services, IEEE Transactions on Circuits and Systems for Video Technology 9(8): 1147-1169, December 1999
51	J-C. Shim, C. Dorai, and R. Bolle, Automatic Text Extraction from Video for Content-Based Annotation and Retrieval, in Proc. of the Int. Conference on Pattern Recognition, pp. 618-620, August 1998
52	J.-C. Shim and C. Dorai, A Fast and Generalized Region Labeling Algorithm, in Proc. of the Int. Conference on Image Processing, October 1999
53	World Wide Web Consortium (W3C), Synchronized Multimedia, http://www.w3.org/AudioVideo/
54	D. Zhong and S.-F. Chang, AMOS: An Active System For MPEG-4 Video Object Segmentation, 1998 International Conference on Image Processing, October 4-7, 1998, Chicago, Illinois, USA
55	D. Zhong and S.-F.Chang, Video Object Model and Segmentation for Content-Based Video Indexing, ISCAS'97, HongKong, June 9-12, 1997
56	D. Zhong and S.-F.Chang, Spatio-Temporal Video Search Using the Object Based Video Representation, ICIP'97, October 26-29, 1997, Santa Barbara, CA
57	D. Zhong and S.-F. Chang, Region Feature Based Similarity Searching of Semantic Video Objects, ICIP'99, October 24-28, 1999, Kobe, Japan
58	J. F. Allen, Maintaining knowledge about temporal intervals. Communication of ACM, 26(11):832-843, 1983
59	S.-K. Chang, Q. Y. Shi, and C. Y. Yan, Iconic indexing by 2-D strings, IEEE Trans. Pattern Analysis Machine Intell., 9(3):413-428, May 1987
60	Dewey Decimal classification scheme, http://www.oclc.org/dewey/
61	S.C. Shapiro, Encyclopedia of Artificial Intelligence Second Edition, vol. 2, p. 1495, Wiley-Interscience, 1992
62	Yeun-Bae Kim, Masahiro Shibata, A Video Indexing Method using Natural Language Memo for TV Program Production, pp. 266-270, Proceedings of ECAI96, 12th European Conference on Artificial Intelligence, August 1996
63	Y. Takahashi, K. Hasegawa, K. Sugiyama, M. Watanabe, Describing Story Structure of Movies with Semantic Score Method — Toward Human Content Interface Design (3), Bulletin of Japanese Society for Science of Design, vol. 46, no. 6, pp. 57-66, (2000) (in Japanese)
64	Yasushi Takahashi, Yoshiaki Shibata, Mikio Kamada and Hitoshi Kimura, The Semantic Score Method: A Tool for Quantitative Content Evaluation by Multiple Viewers, Proc. of AEI ICMF (International Conference on Media Future), 8-9 May 2001, Florence, Italy, pp. 275-278
65	Y. Takahashi, Semantic Score Method: A Standardized Tool for Quantitative Movie Interpretation — Toward Human Content Interface Design (5), Bulletin of JSSD, vol. 47, no. 4, (2000) (in Japanese)
66	Y. Takahashi, K. Hasegawa, K. Sugiyama, M. Watanabe, A New Movie Summarization Algorithm for Effective Movie Selection — Toward Human Content Interface Design (4), Bulletin of JSSD, vol. 47, no. 4, (2000) (in Japanese)
67	M. Lounsberry, T. DeRose, J. Warren, Multiresolution analysis for surfaces of arbitrary topological type, TR 93-10-05b, Dept. of CS & Eng., Univ. of Washington, January 1994
68	C.A. Poynton, A technical introduction to Digital Video, John Wiley, 1996 (in particular conversion formulas from RGB to CIE XYZ)
69	A.K. Jain, Fundamentals of Digital Image Processing, Prentice Hall, 1989 (in particular conversion formulas from CIE XYZ to CIE LUV)
70	R.W.G., The reproduction of Color, 5th ed., Fountain Press, 1995 (fundamentals on color without conversion formulas)
71	M.V. Srinivasan, S. Venkatesh, R. Hosie, Qualitative estimation of camera motion parameters from video sequences, Pattern Recognition, vol. 30, no. 4, pp. 593-606, 1997

ISO/IEC TR 15938-8:2002 情報技術—マルチメディアコンテンツ記述インターフェース—パート8：MPEG-7記述の抽出と使用 | ページ 5