LinDA

Die Arbeit in Marketing- und Werbeagenturen zeichnet sich durch einen intensiven Umgang mit Medienmaterialien aus. Ferner wird häufig eine Vielzahl von Kunden aus unterschiedlichen Domänen bedient, sodass eine große, heterogene Menge an Medieninformationen verwaltet werden muss. Media Asset Management Systeme unterstützen hierbei zumeist die manuelle, metadatengetriebene Annotation von Inhalten. Insgesamt werden so also Medien nach nutzerdefinierten Schlagworten, Größeninformationen, Farbprofilen, etc., sortiert. Somit bestehen quantifizierbare Suchkriterien, nach denen Medien aufgefunden werden können. Die Semantik hierbei ist jedoch maßgeblich von den äußeren Eckdaten wie z.B. Größe, Medientyp etc. und von nutzerdefinierten Schlagwörtern abhängig. Im Unterschied zu bekannten Beispielen von Volltext-Suchmaschinen ist es nicht möglich nach konkreten Inhalten zu suchen, d.h. es fehlen entsprechende Indizierungsmechanismen für visuelle Objekte. Entwicklungen im Bereich der Objekt- und Mustererkennung bieten jedoch Potentiale, solche Inhalte in Mediendaten automatisch zu erkennen, und somit die automatische Annotation von Medieninhalten zu ermöglichen. Insgesamt könnten so neue Suchszenarien für Medieninhalte entstehen, die nicht mehr die manuelle Vorbearbeitung der Metadaten benötigen, sondern automatisiert erfolgen können. In Punkto Gebrauchstauglichkeit kann somit der Medienerfassungsprozess sowie die Mediensuche effektiver und effizienter gestaltet werden. Insbesondere die Wiederverwendung von Medienmaterial - unabhängig vom Kontext der ursprünglichen Erfassung - soll unterstützt werden. Die Zielsetzung des Projekts ist die Erweiterung von Lösungen des Media Asset Managements um Aspekte der Objekterkennung, die in den gesamten Lebenszyklus von Medieninformationen eingebunden werden.