13:00-14:00 特別講演 †
「映像内容解析ならびに検索技術の最近の動向　-TRECVIDを中心として-」（佐藤真一教授：国立情報学研究所)
・映像内容解析の必要性
        映像コーパスによる内容解析
・TRECVID (2003～)
        http://trecvid.nist.gov/
        利用映像：ビデオクリップ，TV番組，CCTVなど
        タスク：Semantic Indexing, Known-Item Search, Content-based Copy Detection, Surveillance Event Detection,
                        Instance Search, Event Detection in Internet Multimedia
・Semantic Indexing (SIN)
        ショットに写っている物体などに基づくショットの意味分類
        ビデオクリップ，人手による正解つき（130種類）Airplane_flying とか Throwing とか．
        SIFTなどの局所特徴量による．大量の特徴量を組み合わせたほうが良い．
・Known Item Search (KIS)
        映像の文による記述から実物を探すタスク
        トピックの言語記述，メタデータの寄与が大きく，視覚情報はほとんど寄与しない
・Multimedia Event Detection (MED)
        あるイベントを表現している映像の検出
                野球でヒットして得点，ケーキを作っている，テントを張っている，等
        検出漏れを重く見るようなスコアリング
・Content-based Copy Detection (CCD)
        映像コピー検出（著作権保護，違法映像検出 etc.）
        NIIのシステムが世界最速
・Surveillance Event Detection (SED)
        Single-person event, Single-person + Object events, Multiple People Events
        Queen Mary University of London が PersonRuns で突出してよい成績
                学習用の正解データを人手で修正
・Instance Search (INS)
        人・場所・ものなどの特定事物（インスタンス）を検出する
        Person, Character, Object, Locationの4種
        結果
                15機関が参加，あまり性能が良くない（性能の中央値はほとんど0%）
                顔と物の性能が大きく違う（顔の方が高性能）