Qu’est-ce que l’annotation vidéo ?
L’annotation vidéo associe des étiquettes, des zones, des horodatages, des trajectoires ou des descriptions à des portions sélectionnées d’une vidéo. Les annotations peuvent être saisies manuellement ou générées par des systèmes de vision par ordinateur, puis vérifiées.
Fonctionnement de l’annotation vidéo
Un jeu de données d’annotation relie des étiquettes sémantiques à des intervalles temporels, à des images individuelles, à des géométries spatiales ou à des identités suivies d’une image à l’autre. Son schéma peut représenter des rectangles, des polygones, des masques, des points clés, du texte libre ou des catégories d’événements, avec des informations de provenance indiquant qui ou quoi a produit chaque annotation. Les conventions de coordonnées et de repérage temporel font partie du contrat de données. L’annotation se situe entre la révision des médias et les chaînes de traitement en aval consacrées à la recherche, au contrôle qualité, à l’accessibilité ou à l’entraînement de modèles.
Points clés
- Les numéros d’image sont ambigus lorsque les médias sont raccourcis, conformés ou à cadence variable. Des horodatages liés à une base de temps déclarée fournissent une coordonnée d’échange plus durable.
- Les trajectoires d’objets nécessitent des identités stables ainsi que des états explicites de visibilité ou d’occlusion. Sinon, l’interpolation peut relier des objets sans rapport ou tracer des formes géométriques alors qu’un sujet est masqué.
- Les coordonnées normalisées résistent mieux aux changements de résolution que les coordonnées brutes en pixels. Les systèmes qui les exploitent doivent toutefois s’accorder sur la rotation d’affichage, la zone de recadrage, l’origine et l’inclusion ou non des limites.
Quand l’annotation vidéo est importante
Utilisez les annotations pour préparer des données d’entraînement, marquer des événements à examiner ou permettre la recherche dans les scènes. Les étiquettes automatisées réduisent le travail manuel, mais nécessitent une validation, car des repères temporels ou une classification incorrects peuvent se propager en aval.