Tutkijat opettavat tekoälyn kuvailemaan videoita – EU-hankkeessa kehitettävä menetelmä voi mullistaa suurten videokokoelmien käsittelyn
Kuvailutulkki poimii videosta tärkeitä yksityiskohtia. Kuvakaappauksessa näkyy myös tyypillisiä nykyaikaisia konekäännösvirheitä. Kuvakaappaus videolta https://www.youtube.com/watch?v=bShnHADOS2Y
Tammikuussa 2018 alkaneessa EU:n rahoittamassa projektissa kehitetään Aalto-yliopiston uusimpiin kuvan- ja äänenkäsittelyn tutkimustuloksiin perustuva menetelmä audiovisuaalisen aineiston kuvailuun ja luokitteluun. Projektin yhtenä opetusaineistona käytetään Yleltä saatuja videomuotoisia arkistomateriaaleja.
”Menetelmän avulla saadaan automaattisesti tekstikuvaus videon tapahtumista ja puheesta. Vertailemalla menetelmän tuottamaa kuvausta ihmisten tuottamiin kuvauksiin tekoälyjärjestelmä voidaan opettaa parantamaan tuloksiaan”, kertoo projektia koordinoiva Aalto-yliopiston signaalikäsittelyn ja akustiikan laitoksen professori Mikko Kurimo.
Automaattista kuvailua on tehty aikaisemmin valokuvista, mutta videon sisällön kuvailu on suhteellisen uusi asia. Uutta menetelmässä on se, että se pystyy yhdistämään sekä puheen että kuvan sisältöä kuvailua tehdessään. Lisäksi menetelmä tuottaa tekstin suoraan halutulle kielelle, jolloin vältetään käännösvirheet.
Audiovisuaalisen sisällön automaattinen kuvaaminen tekstinä mullistaa suurten videokokoelmien käsittelyn esimerkiksi mediayhtiöissä ja mahdollistaa aiemmin tuotetun materiaalin kierrättämisen ja soveltamisen uusiin tarkoituksiin. Lisäksi tekstikuvailu ja siihen perustuva haku helpottavat aineiston löydettävyyttä ja saavutettavuutta sekä suurelle yleisölle että erityisesti heikkokuuloisille ja -näköisille.
”Tekoälyn mahdollistama uudenlainen löydettävyys, saavutettavuus ja henkilökohtainen palvelukokemus ovat jatkossa elintärkeitä menestystekijöitä eurooppalaiselle media-alalle. Sisällön ymmärtäminen on yksi lupaavimmista tekoälyn alueista tällä hetkellä”, sanoo Ylen innovaatiostrategiasta vastaava päällikkö Anssi Komulainen.
EU:n H2020 rahoittaman ”Methods for Managing Audiovisual Data" -projektin kesto on kolme vuotta ja varsinaiset partnerit ovat Aalto-yliopisto, Helsingin yliopisto, Yle, Lingsoft, Limecraft, University of Surrey, EURECOM ja INA. Aalto-yliopistosta signaalinkäsittelyn ja akustiikan laitoksen lisäksi mukana on tietotekniikan laitos. Ylessä MeMAD-yhteistyö on osa Yle Beta -projektia, jonka tavoitteena on rakentaa seuraavan sukupolven mediakokemusta.
۳ٱ쾱ö
Mikko Kurimo, professori, Aalto-yliopisto, signaalinkäsittelyn ja akustiikan laitos
p. 050 347 6221
mikko.kurimo@aalto.fi
Anssi Komulainen, päällikkö, innovaatiostrategia, Yle Beta
p. 0400 129 524
anssi.komulainen@yle.fi
Lue lisää uutisia
Arsi Ikäheimosen väitöstutkimus: Älypuhelin voi paljastaa varhaisia merkkejä masennuksesta
Puhelin taskussa, älysormus sormessa ja aktiivisuusranneke ranteessa: arjessa mukana kulkevat laitteet keräävät lähes tauotta tietoa käyttäjästään. Tämä tieto voi auttaa masennusoireiden seurannassa ja ennustamisessa.
Professor Hironori Yoshida: “Machines should adapt to materials, not the other way around”
Professor of Formgiving believes the future of design lies in embracing irregularity rather than eliminating it. His research combines design, AI and robotics.
Rehtori Ilkka Niemelä kertoo, mitä uusi korkeakoulutuksen ja tutkimuksen visio merkitsee Suomelle ja Aallolle
Aallolla on kykyä ja tahtoa toimia suunnannäyttäjänä vision toteuttamisessa.