ImageHive: Interactive Content-Aware Image Summarization
Zusammenfassung der Implementierung nach Tan et. al
Tan et. al erläutern in ihrem Paper “ImageHive: Interactive ContentAware Image Summarization” eine Methode um interessante Informationen aus einer großen Mengen an Bilddaten hervorzuheben. Aus den einzelnen Daten werden bestimmte Eigenschaften extrahiert und in einem Ergebnisbild nach Ähnlichkeit zueinander angeordnet. Das resultierende Layout gleicht einem Voronoi Muster. Die beschriebene Methodik achtet vor allem darauf dass wichtige Regionen in den einzelnen Bildern bei der Generierung des Ergebnisbildes sich nicht überdecken. Weiters bietet die Implementierung eine Schnittstelle an, damit Benutzer mit der Software interagieren und das Ergebnis anpassen können.
Beim Design hielten sich die Autoren an drei wichtige Grundsätze: Das Resultat soll so kompakt wie möglich sein und die wichtigsten Bereichen im Datensatz hervorheben. Weiters sollten ähnlich Bilder näher zueinander geordnet werden. Die dritte Anforderung ist, dass es eine Möglichkeit geben soll für Benutzer mit dem Ergebnisbild zu interagieren damit diese gezielte Informationen leichter und schneller finden.
Bezüglich der Methodik hilft die Erstellung eines Graphen beim Detektieren und bei der Einteilung der Bilder nach Ähnlichkeit. Vorallem ist in im ersten Schritt wichtig den Datensatz unter Einhaltung der oben erwähnten Grundsätzen global aufzuteilen. Nach der globalen Platzierung hilft eine spezielle Form der Voronoi Tessellation bei der lokalen Anordnung der Bilder pro Cluster.