Multimedijski sistemi

2022/2023
Program:
Interdisciplinarni univerzitetni študijski program 1. stopnje Računalništvo in matematika
Letnik:
3 letnik
Semester:
prvi
Vrsta:
izbirni
Skupina:
Modul: Medijske tehnologije
ECTS:
6
Jezik:
slovenski
Nosilci predmeta:

Matej Kristan

Ure na teden – 1. semester:
Predavanja
3
Seminar
0.67
Vaje
0
Laboratorij
1.33
Vsebina

Predavanja:
Pregled področja Multimedijskih sistemov in izzivi
Manipulacija slikovnih gradiv
Manipulacija video podatkov in standardi zapisa video podatkov
Pridobivanje informacij s tekstom
Arhitektura sistema za pridobivanje multimedijskih informacij
Evaluacija multimedijskih sistemov za pridobivanje informacij
Metode za avtomatsko opisovanje vsebine slik
Razgradnja slikovne informacije
Razgradnja video informacije
Interaktivni mediji in obogatena resničnost v multimedijskem sistemu
Standardi za brezizgubno stiskanje multimedijskih vsebin
Standardi za izgubno stiskanje multimedijskih vsebin
Vaje:
Vaje bodo potekale v obliki projektno-orientiranih nalog v primerno opremljenih študentskih laboratorijih. Študentje v okviru projektov samostojno implementirajo algoritme, ki jih obravnavamo na predavanjih in jih preizkušajo na različnih naborih podatkov zajetih z različnimi senzorskimi sistemi. Sprotno in obvezno delo na projektih omogoča poglobljeno in kritično razumevanje obravnavane tematike, spodbuja pa tudi samostojno mišljenje in kreativnost.

Temeljni literatura in viri

Obvezna:
A. Del Bimbo: Visual Information Retrieval, Morgan Kaufmann 1999, ISBN 1-55860-624-6.
C. D. Manning, P. Raghavan, H. Schütze, Introduction to Information Retrieval, Cambridge University Press. 2008
Dopolnilna:
Mark S. Li Ze-Nian and Drew, Fundamentals of Multimedia, Prentice-Hall of India (2005)
Članki iz revij, kot npr. IEEE Multimedia. (dostopno na spletu)

Cilji in kompetence

Multimedijski sistemi so nepogrešljiv del sodobnih informacijskih tehnologij. Študenti naj bi v okviru tega predmeta pridobili znanja in veščine potrebne za uporabo, načrtovanje in razvoj multimedijskih sistemov. Obravnavani bodo problemi učinkovitih predstavitev in obdelave več predstavitvenih podatkov, kot so besedilo, grafika, animacije, slike in video.
Polega tega bodo študenti osvojili naslednje kompetence:
Sposobnost razumevanja in reševanja strokovnih izzivov s področja računalništva in informatike
Sposobnost strokovne komunikacije v materinem in tujem jeziku.
Sposobnost neodvisnega reševanja tako manj zahtevnih kakor kompleksnih inženirskih in organizacijskih problemov iz ozkih področji, kakor tudi specifičnih dobro definiranih problemov s področja računalništva in informatike.

Predvideni študijski rezultati

Znanje in razumevanje:
Poznavanje teoretičnih in metodoloških znanj s področja modeliranja in simulacij.
Razumevanje pomena področja.
Poznavanje uporabe teoretičnih in metodoloških znanj skozi prizmo računalniških omrežij.
Uporaba:
Uporaba metodoloških znanj pri načrtovanju in vzdrževanju raznovrstnih računalniških omrežij in njihovih storitev, od katerih smo vse bolj odvisni.
Refleksija:
Razumevanje povezave med teoretičnimi znanji in metodologijami ter konkretnimi problemi do katerih prihaja v računalniških omrežjih.
Prenosljive spretnosti - niso vezane le na en
predmet:
Večina predstavljenih metodologij odpira sistemski zorni kot bodočega diplomanta na računalniška omrežja. Slednji spodbuja predvsem vidike, kot so zbiranje in interpretiranje podatkov, identifikacija in reševanje problemov, kritična analiza in sinteza.

Metode poučevanja in učenja

Predavanja, laboratorijske vaje v računalniški učilnici z aktivnim sodelovanjem. Individualno delo na vajah. Teorija s predavanj se praktično analizira na vajah. Poseben poudarek je na sprotnem študiju in sprotnem delu pri vajah.

Načini ocenjevanja

Sprotno preverjanje (domače naloge in laboratorijske vaje)
Končno preverjanje (pisni in ustni izpit)
(ocene: 5 (negativno), 6-10 (pozitivno), ob upoštevanju Statuta UL)

Reference nosilca

KRISTAN, Matej, LEONARDIS, Aleš. Online discriminative kernel density estimator with Gaussian kernels. IEEE transactions on cybernetics, ISSN 2168-2267. [Print ed.], 2014, vol. 44, no. 3, str. 355-365. , doi: . [COBISS-SI-ID 9907284]
ČEHOVIN, Luka, KRISTAN, Matej, LEONARDIS, Aleš. Robust visual tracking using an adaptive coupled-layer visual model. IEEE transactions on pattern analysis and machine intelligence, ISSN 0162-8828. [Print ed.], Apr. 2012, vol. 35, no. 4, str. 941-953, ilustr. [COBISS-SI-ID 9431124]
KRISTAN, Matej, LEONARDIS, Aleš, SKOČAJ, Danijel. Multivariate online kernel density estimation with Gaussian kernels. Pattern recognition, ISSN 0031-3203. [Print ed.], 2011, vol. 44, no. 10/11, str. 2630-2642, ilustr. [COBISS-SI-ID 8289876]
KRISTAN, Matej, SKOČAJ, Danijel, LEONARDIS, Aleš. Online kernel density estimation for interactive learning. Image and vision computing, ISSN 0262-8856. [Print ed.], Jul. 2010, vol. 28, no. 7, str. 1106-1116, ilustr. [COBISS-SI-ID 7326804]
KRISTAN, Matej, KOVAČIČ, Stanislav, LEONARDIS, Aleš, PERŠ, Janez. A two-stage dynamic model for visual tracking. IEEE transactions on systems, man, and cybernetics. Part B, Cybernetics, ISSN 1083-4419. [Print ed.], Dec. 2010, vol. 40, no. 6, str. 1505-1520, ilustr. [COBISS-SI-ID 7709524]