Podnik podle oboru a míry své digitalizace může generovat značné množství obrazových materiálů. Například zdravotnictví generuje terabajty různých druhů snímků, ostraha objektů zase značný objem videosouborů.
Růst kvality fotografických a videomateriálů – díky dokonalejším technologiím pro jejich záznam, přenos, zpracování a komprimaci – vede k tomu, že schopnost podniků uchovávat taková data a pracovat s nimi se stává konkurenční výhodou.
Jedním z klíčových požadavků na správu podnikového obrazového a videoobsahu je schopnost přenášet jej z místa pořízení do místa zpracování a následně do místa využití. Celé uspořádání systémů a úložiště musí vyhovovat specifickým nárokům na zpracování a využití obrazových a videodat.
Běžnou chybou je nakládání s obrazovým a videoobsahem jako s pouhými daty a užívání tradičních ukládacích mechanismů log – analýza – uložení souborů. Takový přístup je pro obrazový a videoobsah nejen nevhodný, ale může také snižovat potenciální užitek pro zákazníky a koncové uživatele.
Inteligentní správa obrazového a videoobsahu
Umělá inteligence nabízí v oblasti zpracování obrazu a videa značný potenciál. Hloubkové učení již revolučním způsobem změnilo klasifikování obrázků a rozpoznávání předmětů a situací v nich. Podobné pokroky zaznamenáváme u zpracování videa, kde se již několik výzkumných projektů zabývá detekcí objektů, osob a záměrů.
Videodata také slouží ke zdokonalování schopnosti AI systémů předpovídat následující scénu ve videu na základě sekvence událostí nebo přechodů. Zlepšuje se i přepis zvuku z videa s využitím strojového učení k naslouchání zvukové stopě, jejímu převodu na text a překladu.
Výsledkem nasazení AI při zpracování obrazu, videa a zvuku je snížení provozních nákladů na jejich ukládání a zpracování. Využití AI při vyhledávání a získávání informací může zajistit, že optimální data budou vyhledatelná a použitelná, a zefektivnit tak fungování celého podniku.
Metadata jako základ
Strojové učení a jiné technologie umělé inteligence dokážou generovat metadata usnadňující klasifikaci, kategorizaci a popis obrazových a videodat. Objekty a entity (osoby, místa a předměty) lze detekovat a využít jako metadata. Označování obsahu lokalizačními údaji poslouží k určení místa pořízení. A různé sumarizační techniky člověku umožní snáze obsah vstřebat.
Optimalizace obrazového a videoobsahu
Optimalizace obrazového a videoobsahu je další oblastí, kde může pokročilé zpracování zajistit, aby data byla ukládána v optimálním formátu a v optimální kvalitě s optimální kompresí. Je zcela zásadní, aby data byla řádně převedena a komprimována kvůli snížení nákladů na ukládání a zároveň byla pohotově k dispozici k využití a zpracování podle potřeby. Firmy jako Cloudinary nebo AWS CloudFront nabízejí skutečně inovativní možnosti s ideálně vyváženou optimalizací obrazového obsahu pro ukládání a optimalizací pro jeho interaktivní zpracování a poskytování.
Distribuce obrazu a videa
Distribuční strategie založené na datech mohou zajistit, že uživateli bude předkládán relevantní, vhodně formátovaný obrazový obsah, tak aby bylo dosaženo optimální a příjemné uživatelské zkušenosti. Podniky mohou například pomocí webových analytických nástrojů zjistit, jaký vliv na rychlost nahrávání stránky, vyhledávání nebo vykreslování mají velikost, míra komprese a kvalita souborů, a dynamicky přizpůsobovat parametry poskytovaných obrázků podle předpokládaných hranic, za nimiž klesá spokojenost uživatelů.
Další možná technika spočívá ve využití strojového učení k rozpoznávání objektů a identity a poskytování obrazu a videa, kde klíčové prvky nebo osoby jsou vykreslovány ve vysoké kvalitě a méně podstatné informace v nižší kvalitě. Metadata obrazových a videosouborů získaná při inteligentním zpracování mohou rovněž výrazně zlepšit uživatelskou zkušenost tím, že poskytnou smysluplný kontext a anotaci, které usnadní vyhledávání a využití obsahu.
Do cloudu, nebo raději ne?
Dalším nikoli nepodstatným dilematem, se kterým se musejí podniky vypořádat, je, zda přesunout úložiště vizuálních dat a jejich distribuci do cloudu, nebo je spravovat vlastními prostředky. I v tomto případě platí obvyklá cloudová pro a proti a pro podnik může být hledání odpovědi složité.
Zvolená varianta bude záviset na objemu a struktuře dat a na interních možnostech. Měla byt zajistit, že se podnik soustředí na zlepšování zákaznické zkušenosti díky analýze, zpracování a inteligentnímu dodávání vizuálního obsahu namísto toho, aby se zabýval souvisejícími technologiemi a infrastrukturou, které jsou pro zákazníka a jeho zkušenost nepodstatné.
Autor je dlouholetý odborník na big data a analytické produkty.
PŘEDPLATNÉ
ČLÁNKY DO MAILU