TRECVID

今日、エクサバイト(注)とも言われる膨大な量の情報がネット上に存在していますが、デジタル化やネットワークの高速化、メモリなどの記憶装置の大容量化と低廉化などにともない、多種多様な動画や映像(以下、映像情報という)がますます流通、蓄積されるようになっています。
こうしたネット上の情報を検索する場合、現在はキーワードを入れて検索をおこなうテキスト検索が一般的ですが、映像情報がネット上にあふれてくると、さまざまな映像情報を直接検索する必要性も高まってきます。

現在、映像情報の検索では、映像情報に付与されたメタデータやキーワードを活用する方法が主力になっています。しかし、この方法では、付与した人の主観が入りメタデータやキーワードに偏りが出てしまうなどの問題があります。
本当の意味での映像情報の検索をおこなうためには、映像として、そこに何が写っているのかをコンピュータに認識させることが必要であり、映像の意味内容の解析や理解のための技術が重要になってきます。

こうした、大量の映像情報から映像検索をおこなうための映像検索・解析技術に関する研究が2001年から世界的なレベルで取り組まれています。それがTRECVID(TREC Video Retrieval Evaluation)です。
TRECVIDは、膨大なテキストデータから情報検索をおこなうテキスト検索を主とした技術研究を目的に、米国の国立標準技術研究所(NIST: National Institute of Standards and Technology)と国防総省主催で1992年から開催されているワークショップ(TREC: Text REtrieval Conference)で、一つの研究テーマとなっていた映像に関するワークショップが独立する形で組成されたものです。

その特長は、毎年、大学や企業の研究グループ単位で参加者を募り、参加者に対し課題を出題、参加者は、出された課題に対して、同じ映像データをもちい、異なるアプローチ・手法で取り組み、その結果を比較検討・公表する仕組みをとっている点です。参加者同士を競争させ、その成果を共有することで、映像検索技術のさらなる進歩とその促進を狙ってのことです。

2007年のTRECVIDワークショップは、10月に開催され、世界中から54のチームが参加しました。日本からは、国立情報学研究所、NHK放送技術研究所、旭化成、KDDI研究所+徳島大学+東京大学、東京工業大学、電気通信大学の6チームが参加しています。今年の主要課題は、

与えられた映像中のショットの境界検出
ショットに含まれる意味的な特徴を抽出する高次特徴抽出
要求に合致するショットの検索
映像中の重要な部分のサマライズ

の4つで、国立情報学研究所は、高次特徴抽出で検出精度第2位、NHK放送技術研究所は、ショット境界検出で検出速度第1位、検出精度第4位の成果を挙げています。

デジタル放送の開始によるデジタル映像の増加、個人制作映像の増加、また、こうした映像も含め、映像の二次利用が求められている中で、映像検索・解析技術の重要性は、今後ますます増大していくことになるでしょう。
富士通では、前述の国立情報学研究所、NHK放送技術研究所、および、富士通研究所と共同で、映像の意味理解のための基礎技術に関する研究を、経済産業省の情報大航海プロジェクトの一環として受託し、取り組んでいます。

（注）

エクサバイト(Exa Byte): 10の18乗バイトもしくは 2の60乗バイト