概述

视频语义理解的目标是让计算机从人的角度去理解视频，从中抽取语义信息。这是一个十分具有挑战性的问题，面临着诸多困难。首先是语义特征本身的不确定性，不同人多同一段视频会有不同的理解，同一个人在不同时间也会对同一段视频产生不同看法。其次是底层特征和高层语义之间的鸿沟，如何从底层特征映射到高层语义，在这二者之间加入人类思维和认知是长期的研究领域。视频的时空特性带来的分析复杂性也是重要的因素，对于视频分析需要综合多维度的特征综合进行。 本项目中具体解决的基础技术问题包括以下几个方面：视频结构分析、视频内容分析以及视频创作分析。